Máquinas de Turing. Definición 2
|
|
- Lidia Gallego Plaza
- hace 5 años
- Vistas:
Transcripción
1 Definición 1 La Máquina de Turing (MT) es el modelo de autómata com máxima capacidad computacional: la unidad de control puede desplazarse a izquierda o derecha y sobreescribir símbolos en la cinta de entrada. Definición 2 Una Máquina de Turing (MT), M = (Q, Σ, Γ, q 0, T, B, δ)
2 donde: 1. Q es un conjunto finito de estados. 2. Σ es el alfabeto de entrada. 3. Γ es el alfabeto de la cinta, que incluye a Σ, Σ Γ 4. q 0 Q es el estado inicial. 5. B Γ es el símbolo blanco (el símbolo B no puede hacer parte de Σ) aparece en todas las casillas excepto en aquéllas que contienen los símbolos de entrada. 6. T Q conjunto de estados finales.
3 7. δ es la función de transición tal que: δ : Q Γ Q Γ {I, D} δ(q, X) = (p, Y, {I, D}) δ es una función parcial, es decir, No puede estar definida en algunos elementos del dominio. Definición 3 (Función parcial) Una función f, f : A B se dice que es una función parcial si C A, C, tal que x C, f(x) ( existe un subconjunto no vacío de A en el que todos los elementos tienen imagen calculable.) Observación 1 Una MT procesa una entrada w Σ colocadas sobre una cinta infinita en ambas direcciones. Para procesar la
4 cadena w, la unidad de control de M está en el estado inicial q 0 escanendo el primer símbolo de w. Las demás casillas de la cinta contienen el símbolo en blanco B. Una descripción instantánea, es una expresión de la forma: a 1 a 2... a i 1 qa i... a n donde los símbolos a 1,..., a n Γ y q Q Esta descripción instantánea a 1 a 2... a i 1 qa i... indica que la unidad de control de M está en el estado q escanendo el símbolo a i.
5 Una transición δ(q, B) = (p, s, D) en una MT requiere que el símbolo este escrito en la casilla escaneada, además la unidad de control sobre-escribe el blanco B sobre s y realiza un desplazamiento D.
6 Computos especiales Durante el cómputo o procesamiento de la palabra de entrada, hay dos situaciones especiales que se pueden presentar: 1. El cómputo termina por que en determinado momento no hay transición definida. 2. El cómputo no termina; esto es lo que se denomina un bucle infinito. Esta situación se representa así: w 1 qw 2 que indica que el cómputo que se inicia en w 1 qw 2 no se detiene nunca.
7 Lenguaje aceptado por una MT Una cadena de entrada w es aceptada por una MT M si el cómputo que se indica la configuración inicial q 0 w termina en una configuración instantánea w 1 pw 2, p es un estado de aceptación, en la cual M se detiene completamente. El lenguaje L(M) aceptado por una MT M se define como: L(M) = {w Σ : q 0 w w 1 pw 2, p T } M se para en w 1 pw 2 Si la cadena de entrada en una máquina M pertenece a L(M), la máquina M siempre se detiene. Definición 4 Las máquinas de Turing originan las siguientes clases de lenguajes: 1. L es un lenguaje recursivamente enumerable (RE) si existe una MT M tal que L(M) = L.
8 Definición 5 Sea M una máquina de Turing; se dice que L = L(M) es un lenguaje recursivamente enumerable si: x L, M se DETIENE en q T, x / L, M se DETIENE en q / T ó bien No se DETIENE. 2. L es un lenguaje recursivo si existe una MT M tal que L(M) = L y M se DETIENE con todas las cadenas de entrada. Definición 6
9 Se dice que L es un lenguaje recursivo si existe al menos una máquina de Turing M, tal que L = L(M) y x L, M se DETIENE en q T, x / L, M se DETIENE en q / T Observación 2 Todo lenguaje recursivo es recursivamente enumerable, pero la afirmación recíproca no es (en general) válida. Definición 7 Un diagrama de transición está formado por un conjunto de nodos que corresponden a los estados de la MT. la transición δ(q, a) = (p, b, D) se representa así:
10 Definición 8 El control finito estacionario es una transición que tiene la forma: δ(q, a) = (p, b, N) representa un No- donde a, b Γ y N desplazamiento. Observación 3 Los MT con transiciones estacionarias δ(q, a) = (p, b, N), aceptan los mismos lenguajes que los MT estándares. La directiva N tambien se puede simular con un movimiento a la izquierda, seguido de un retorno a la derecha. Ejemplo 1
11 Se puede construir una MT que reconozca a sobre Σ = {a, b}. Para M = (Q, Σ, Γ, q 0, T, B, δ) donde Q = {q 0, q 1 }, T = {q 1 } Sea w = aa δ(q 0, a) = (q 0, a, D) δ(q 0, B) = (q 0, a, D) q 0 aa aq 0 a aaq 0 B aabq 1 B por tanto esta máquina para en el estado q 1 y reconoce la cadena. Ejemplo 2 Se puede diseñar un MT que reconozca {0 n 1 n : n 1}
12 Cambia un 0 por una X y se mueve hacia la derecha, pasando por encima de los ceros e Y, hasta llegar al primer 1. cambia el 1 por la Y y se mueve hacia la izquierda por encima de todos los Y y de todos los ceros hasta llegar a una X y se repite el proceso hasta que sólo queden Xs y Y s.
13 La función δ se define así: δ(q 0, 0) = (q 1, X, D) δ(q 1, 0) = (q 1, 0, D) δ(q 1, X) = (q 1, X, D) δ(q 1, 1) = (q 2, Y, I) δ(q 2, Y ) = (q 2, Y, I) δ(q 2, 0) = (q 2, 0, I) δ(q 2, X) = (q 0, X, D) δ(q 0, Y ) = (q 3, Y, D) δ(q 3, Y ) = (q 3, Y, D) δ(q 3, B) = (q 4, B, D) Sea T = {q 4 } sea w = 1100 q Xq 1 11 X0q 1 11 Xq 2 0Y 1 q 2 X0Y 1 Xq 0 0Y 1 XXq 1 Y 1 XXY q 1 1 XXq 2 Y Y Xq 2 XY Y XXq 0 Y Y XXY q 3 Y XXY Y q 3 B XXY Y Bq 4 B
14 la MT para por que quedó en un estado de aceptación y la cadena es reconocida. Ejemplo 3 Se puede construir una MT que acepte el lenguaje L = {a i b i c i : i 0} sobre Σ = {a, b, c}. 1. Se cambia la a por una X y se mueve hacia la derecha pasando por encima de todas las a s e Y s, hasta llegar a la primera b, cambia la primera b por una Y, se mueve a la derecha pasando por encima de las bs y Zs y luego encuentra la primera c y la cambia por Z y se mueve a la izquierda. 2. Luego se mueva a la izquierda pasando por encima de bs, Y s, as, hasta encontrar la X la reemplaza por una X y repite el proceso anterior, cuando la
15 máquina reemplaza la cadena X, Y y Zs reconoce la cadena vacía y busca el estado de aceptación.
16 MT como calculadora de funciones Como las máquinas de Turing pueden transformar cadenas de entradas, también se utilizan como mecanismos para calcular funciones. Definición 9 Formalmente una MT M = (Q, Σ, Γ, q 0, T, B, δ) calcula una función f : Σ Γ (parcial o total) si para una entrada w se tiene: q 0 w q f v, donde v = f(w) El modelo de MT no utiliza estado de aceptación, el estado q f es llamado estado final se usa para terminar el proceso de la entrada y producir la salida. Ejemplo 4
17 Supongamos que tenemos Σ = {a, b} y que representamos los enteros positivos mediante cadenas sólo de as. Así el entero n estaría representado por a n. Se puede construir la MT que calcule la función f(n, m) = n + m, implementando la transformación a n ba m en a n+m b. Solución. Se recorren desde la izquierda todas las as hasta encontrar una b, ésta se reemplaza por una a, cambiando de estado, en este mismo estado se recorren todas las as a la derecha y cuando se llega a un blanco se reemplaza por el mismo blanco se deja la cabezera a la izquierda y se reemplaza la a por un blanco para restarle la que adiciono y se mueve hacia la derecha y se cambia al estado final q 3. Para M = (Q, Σ, Γ, q 0, q 3, B, δ) donde la
18 función δ se define así: δ(q 0, a) = (q 0, a, D) δ(q 0, b) = (q 1, a, D) δ(q 1, a) = (q 1, a, D) δ(q 1, B) = (q 2, B, I) δ(q 2, a) = (q 3, B, D)
19 MT como generadoras de lenguaje Otra de las capcidades importantes es la de generar lenguajes, tarea en la cual los estados finales son son necesarios. Concretamente una MT M = (Q, Σ, Γ, q 0, B, δ) genera un lenguaje L Σ si: 1. M comienza a operar con la cinta en blanco en el estado inicial q Cada vez que M retorna al estado inicial q 0, hay una cadena u L escrita sobre la cinta. 3. Todas las cadenas de L son, eventualmente, generadas por M. Ejemplo 5
20 El siguiente MT genera cadenas con un número par de aes sobre Σ = {a}, L = {a 2i : i 0}
21 Técnicas para la construcción de MT Existen técnicas que facilitan la construcción de MT, pero no afectan la potencia computacional del modelo ya que siempre se puede simular la solución obtenida mediante el modelo estándar. Almacenamiento en el control finito Se puede utilizar el estado de control para almacenar una cantidad finita de información. δ([q i, Γ], σ) = ([q t, Γ], β, {I, D, N}) Cada estado se representa como un par ordenado [q i, Γ] donde el primer elemento es el estado real y el segundo la información que se pretende almacenar, además σ, β Γ Ejemplo 6
22 Construir una MT que reconozca: L = Para la máquina M = (Q, Σ, Γ, q 0, T, B, δ): Q = {q 0, q 1 } {0, 1, B} Estado inicial [q 0, B] Estado final [q 1, B] La función de transición δ esta dad por: δ([q 0, B], 0) = ([q 1, 0], 0, D) δ([q 1, 0], 1) = ([q 1, 0], 1, D) δ([q 1, 0], B) = ([q 1, B], B, D) δ([q 0, B], 1) = ([q 1, 1], 1, D) δ([q 1, 1], 0) = ([q 1, 1], 0, D) δ([q 1, 1], B) = ([q 1, B], B, D)
23 Uso de subrutinas Es la misma idea cuando se trabaja en un lenguaje de alto nivel, aprovechar las ventajas del diseño modular para facilitar el diseño de la MT. En una tabla de transición se resuelve el problema de llamados: Habrá estados de llamados a subrutina q ll caracterizados por que suponen la transición al estado inicial de una subrutina
24 El estado final de la subrutina será realmente un estado de salida que permite transitar hacia un estado de return en la MT principal. Observación 4 Para obtener una MT estándar, bastaría con reescribir todas las funciones de transición como una única función de transición más grande.
25 Modificadas Hay ciertos modelos de computación relacionados con las máquinas de Turing, que poseen el mismo potencial como reconocedores de lenguajes que el modelo básico. Máquina de Turing Multicinta En el modelo de multicintas, hay n cintas diferentes y n cabezas de L/E. La función de transición para máquinas de Turing con n cintas: δ : Q Γ n Q Γ n {D, I, N} n
26 Ejemplo 7 La MT de dos cintas que reconoce el lenguaje: L = {a i b i c i : i 0} Se coloca la cadena de entrada en la primera cinta, la idea es copiar en la segunda cinta una X por cada a y cuando encuentre la primera b, se detiene en la primea cinta, luego se avanza a la derecha en la primera cinta y se avanza a la izquierda en la segunda cinta, cuando encuentra la primera c las dos cintas avanzan hacia la derecha. La función de transición δ es la siguiente, sea T = {q 3 } δ(q 0, (a, B)) = (q 0, (a, X), (D, D)) δ(q 0, (b, B)) = (q 1, (b, B), (N, D)) δ(q 1, (b, X)) = (q 1, (b, X), (D, I)) δ(q 1, (c, B)) = (q 2, (c, B), (N, D)) δ(q 2, (c, X)) = (q 2, (c, X), (D, D)) δ(q 2, (B, B)) = (q 3, (B, B), (D, D))
27 Máquina de Turing Multipista En el modelo multipista, la cinta está dividida en un número finito de k pistas, la función de transición tiene la siguiente forma: δ : Q Γ k Q Γ k {D, I, N} δ(q, (a 1, a 2, a 3,..., a k )) = (p, (b 1, b 2, b 3,..., b k ), {I, D, N}) por ejemplo para realizar la suma de estos dígitos se va de la parte izquierda a la derecha con la siguiente transición: δ(q 0, σ) = { (q0, σ, D) si σ (B, B, B) (q 1, σ, I) si σ = (B, B, B)
28 Teorema 1 El lenguaje L es reconocido por una MT multicinta L es reconocido por una máquina de Turing de una sola cinta. 1. ) Si L es reconocido por una MT de una sola cinta, Entonces L es reconocido por una MT multicinta. Basta con hacer funcionar una sola cinta de la MT multicinta, podría ser la cinta de la cadena de entrada. 2. ) Si L es reconocido por una MT multicinta entonces L es reconocido por una máquina de Turing de una sola cinta. Se supone que la MT M dispone de k cintas, acepta el lenguaje L, y simulamos M mediante una MT N de una sola cinta, soponiendo 2k pistas.
29 Si La MT multicinta tiene k = 2 cintas se dispone de una MT de una sola cintas de 2k = 4 pistas, las pistas primera y tercera tienen la información de las dos cintas. Las pistas segunda y cuarta tienen las cabezas. Para simular un movimiento M, la cabeza de N usamos un marcador para las cabezas de la cintas y si hay un desplazamiento a la derecha en M, entonces reemplazamos el 1 en N por B y viceversa si hay un desplazamiento en la izquierda, el reemplazo de 1 por B y B por 1 hace la simulación de los cabezales de M.
30
31 Máquina de Turing no deterministas Se diferencia de las MT deterministas por la función δ, que para cada caso q y para cada símbolo de cinta X: δ(q, X) = {(q 1, Y 1, S 1 ), (q 2, Y 2, S 2 ),... (q k, Y k, S k )} para cualquier k entero postivo finito. Observación 5 Ambos modelos tienen el mismo poder computacional. Teorema 2 El lenguaje L es reconocido por una Máquina de Turing No Determinista L es reconocido por una máquina de Turing Determinista. Observación 6
32 Ambos modelos tienen el mismo poder computacional. 1. ) Si L es reconocido por una MTD entonces L es reconocido por una Máquina de Turing No Determinista. las MTD son máquinas de Turing No Deterministas en las que hay una transición por cada estado/símbolo. 2. ) Si L es reconocido por una Máquina de Turing NO determinista entonces L es reconocido por una Máquina de Turing Determinista. Podemos simular una MTND con una MT determinsta de tres cintas: a) Se obtiene un n que es el número máximo de opciones asociada a cada transición. b) En la primera cinta va la cadena de entrada.
33 c) En la segunda cinta se generan las cadenas sobre el alfabeto {1, 2,..., n} por orden numérico. 1) Todas las cadenas de longitud 1. 1, 2, 3,..., n 2) Todas las cadenas de longitud 2. 11, 12, 13,..., 1n, 21, 22, 23,..., 2n, n1, n2, 3) Todas las cadenas de longitud 3. n3,..., nn 111, 112, 113,..., 11n, 121, 122, 123,..., 12n, 1n1, 1n2, 1n3,..., 1nn Al final todas las cadenas de todas las longitudes deben ir en la cinta 2 en orden lexicográfico.
34 d) En la tercera cinta se realiza la simulación, cada vez que se genera una secuencia en la cinta 2, se copia la cadena de entrada en la cinta 3 y simula computación del MTND. δ(q, (a, 1, B)) = (p, (a, 1, a), (D, D, D)) e) La MTD prueba todas las combinaciones de la cinta dos, empezando cada vez que una configuración cuando no sirva. Si la cadena es reconocida en el MTND también es reconocida en el MTD multicinta. Ejemplo 8 Sea el siguiente MT no determinístico.
35 1 {}}{ δ(q 0, a) = {(q 0, a, D), 1 {}}{ δ(q 1, b) = {(q 1, b, D)} 1 {}}{ δ(q 1, B) = {(q 2, B, D)} 2 {}}{ (q 1, a, D)} si se va ha reconocer la cadena la MTND hace esta derivación: q 0 a aq 1 B abq 2 B y la cadena es reconocida pero si se va por el otro camino q 0 a aq 0 B llegaría a una transición no existente. Entonces hay una probabilidad que una de las secuencias de la cinta 2 que reconoce la cadena a sea: 1,1,1
36 algunas transiciones que pueden simular el MTND serían: δ(q 0, (a, 1, B)) = (q 1, (a, 1, a), (D, D, D) δ(q 1, (B,, B)) = (q 5, (B,, B), (I, N, I) δ(q 5, (a,, a)) = (q 5, (a,, B), (I, N, I) δ(q 5, (B,, B)) = (q 0, (B,, B), (D, D, D) δ(q 0, (a,, B)) = (q 5, (a,, B), (D, D, D) δ(q 5, (B, 2, B)) = (q 5, (B, 2, B), (I, N, I) δ(q 5, (a, 2, B)) = (q 5, (a, 2, a), (D, D, D) En la transición δ(q 0, (a, 1, B)) = (q 1, (a, 1, a), (D, D, D), el 1 de (a, 1, B) significa que se modela en el MTND la transición δ(q 0, a) = (q 1, B, D), es decir se realiza la transición 1.
37 Simulación de Autómatas por medio de MT Los autómatas (AFD,AFN o AFN-ɛ) y los autómatas de pila (AFDP o AFPN) se pueden simular con máquinas de Turing. Definición 10 Dado un autómata M se puede construir una MT que acepte el mismo lenguaje que M. Observación 7 Las simulaciones de autómatas por medio de MT permiten concluir que los lenguajes regulares y los lenguajes independientes de contexto son recursivos. Definición 11
38 Dado un AFD M = (Q, Σ, q 0, T, δ) se puede construir una MT M tal que L(M) = L(M ). Observación 8 La MT M así construida se detiene ante cualquier entrada w. Teorema 3 Todo lenguaje regular es recursivo. Definición 12 Un autómata de pila M se puede convertir en una MT M tal que L(M) = L(M ). Observación 9 La MT será determinista o no determinista según si es un AFDP o un AFDN.
39 Observación 10 La MT construida siempre parará con todas las cadenas de entrada. Teorema 4 Todo LIC es un lenguaje recursivo. Teorema 5 Si L 1 y L 2 son lenguajes recursivos, entonces L 1 L 2 también lo es. Observación 11 Existen lenguajes recursivos que no son lenguajes independientes de contexto. Por ejemplo podemos verque la intersección de dos LICs nos dio {a i b i c i : i 0} y no es LIC.
40 Definición 13 Una gramática G = (Σ, N, S, P ) es una gramática sensible de contexto si todas las producciones son de la forma α β, donde α, β (N Σ) + y α β. Ejemplo 9
41 Sea el lenguaje {a i b i c i : i 1} la gramática sensible del contexto: S abc aabc Ab ba Ac Bbcc bb aa aaa Lema 1 Sea G = (N, Σ, S, P ) una gramática sensible del contexto. Entonces existe una Máquina de Turing M, que PARA sobre toda entrada y acepta L(G). Teorema 6 Si L es un lenguaje sensible del contexto, entonces L es recursivo. Teorema 7
42 1. El complemento de un lenguaje recursivo también es recursivo. 2. La unión de dos lenguajes RE es RE.
Jerarquía de Chomsky. 1. Clasificación de gramáticas. 2. Clasificación de lenguajes. 3. Gramáticas regulares. 5. Gramáticas dependientes del contexto
Jerarquía de Chomsky 1. Clasificación de gramáticas 2. Clasificación de lenguajes 3. Gramáticas regulares 4. Gramáticas independientes del contexto 5. Gramáticas dependientes del contexto 6. Gramáticas
Más detallesTeoría de la Computación y Lenguajes Formales
Teoría de la Computación y Lenguajes Formales Máquinas de Turing Prof. Hilda Y. Contreras Departamento de Computación hyelitza@ula.ve hildac.teoriadelacomputacion@gmail.com Máquinas de Turing Contenido
Más detallesMÁQUINAS DE TURING CIENCIAS DE LA COMPUTACION I 2009
MÁQUINAS DE TURING Las máquinas de Turing, así como los AF y los AP se utilizan para aceptar cadenas de un lenguaje definidas sobre un alfabeto A. El modelo básico de máquina de Turing, tiene un mecanismo
Más detallesMÁQUINAS DE TURING Y LENGUAJES ESTRUCTURADOS POR FRASES
Máquinas de Turing y lenguajes estructurados por frases -1- MÁQUINAS DE TURING Y LENGUAJES ESTRUCTURADOS POR FRASES MÁQUINAS DE TURING - Son máquinas teóricas capaces de aceptar lenguajes generados por
Más detallesCiencias de la Computación I
Ciencias de la Computación I Autómatas Linealmente Acotados Máquinas de Turing Motivación - Es posible diseñar un AP que reconozca el lenguaje L 1? L 1 = { a n b n c n / n > 0 } Ejemplo una estrategia
Más detallesExamen. Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ciencia de la Computación. Segundo Semestre, 2003.
Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ciencia de la Computación Examen IIC 2222 Teoría de Autómatas y Lenguajes Formales Segundo Semestre, 2003 Este examen tiene
Más detalles5 Autómatas de pila 5.1 Descripción informal. 5.2 Definiciones
1 Curso Básico de Computación 5 Autómatas de pila 5.1 Descripción informal Un autómata de pila es esencialmente un autómata finito que controla una cinta de entrada provista de una cabeza de lectura y
Más detallesMODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular.
MODELOS DE COMPUTACION I Preguntas Tipo Test Indicar si son verdaderas o falsas las siguientes afirmaciones: 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. 2.
Más detallesTema 6: Máquina de Turing
Tema 6: Máquina de Turing Departamento de Sistemas Informáticos y Computación http://www.dc.upv.es p.1/28 Tema 6: Máquina de Turing La Máquina de Turing. Máquinas de Turing como aceptores Otros modelos
Más detallesMáquinas de Turing. Complexity D.Moshkovitz
Máquinas de Turing 1 Motivación Nuestra meta, en este curso, es analizar problemas y clasificarlos de acuerdo a su complejidad. 2 Motivación Nos hacemos preguntas como: Cuánto tiempo tarda en computarse
Más detallesTemas. Objetivo. Que el estudiante logre: 1) Identificar conceptos constructivos de la Teoría de la Computabilidad. 2) Definir autómatas de pila.
0 Temas Definición de autómata de pila Autómata de pila determinístico y no determinístico Objetivo Que el estudiante logre: 1) Identificar conceptos constructivos de la Teoría de la Computabilidad. 2)
Más detallesDepartamento de Tecnologías de la Información. Tema 5. Decidibilidad. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 5 Decidibilidad Ciencias de la Computación e Inteligencia Artificial Índice 5.1 Lenguajes reconocibles y decidibles 5.2 Problemas decidibles sobre lenguajes
Más detallesAutómatas de Pila y Lenguajes Incontextuales
Autómatas de Pila y Lenguajes Incontextuales Elvira Mayordomo Universidad de Zaragoza 5 de noviembre de 2012 Contenido de este tema 1. Introducción a los autómatas de pila 2. Definiciones 3. Equivalencia
Más detallesMáquinas de Turing Definición y descripción
Capítulo 12 Máquinas de Turing 12.1. Definición y descripción Definición 1 Se llama máquina de Turing a toda séptupla M = (Γ,Σ,,Q,q 0,f,F), donde: Γ es el alfabeto de símbolos de la cinta. Σ Γ es el alfabeto
Más detallesMáquinas de Turing, recordatorio y problemas
Máquinas de Turing, recordatorio y problemas Elvira Mayordomo, Universidad de Zaragoza 5 de diciembre de 2014 1. Recordatorio de la definición de máquina de Turing Una máquina de Turing, abreviadamente
Más detalles7 Máquina de Turing. 7.1 Introducción. 7.2 El modelo de la Máquina de Turing
1 Curso Básico de Computación 7 Máquina de Turing Es este capítulo introducimos la Máquina de Turing que es, un modelo matemático simple de una computadora. 7.1 Introducción Hasta ahora no se ha podido
Más detallesMáquinas de Turing. 18 de junio de 2015
Máquinas de Turing 18 de junio de 2015 1. Introducción Hasta ahora hemos visto clases de lenguajes relativamente simples. Lo que vamos a ver ahora es preguntarnos qué lenguajes pueden definirse por cualquier
Más detallesAlfabetos y cadenas (1) Alfabetos y cadenas (2) Lenguajes. Propiedades de la concatenación:
Alfabetos y cadenas (1) 0 b b 0 1 Alfabeto: Un alfabeto Σ es un conjunto finito y no vacío de símbolos. Cadena sobre un alfabeto Σ: Es una sucesión de caracteres tomados de Σ. Cadena vacía: Cadena sin
Más detallesDepartamento de Tecnologías de la Información. Tema 4. Máquinas de Turing. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 4 Máquinas de Turing Ciencias de la Computación e Inteligencia Artificial Índice 4.1 Límites de los autómatas 4.2 Definición de Máquina de Turing 4.3
Más detalles13.3. MT para reconocer lenguajes
13.3. MT para reconocer lenguajes Gramática equivalente a una MT Sea M=(Γ,Σ,,Q,q 0,f,F) una Máquina de Turing. L(M) es el lenguaje aceptado por la máquina M. A partir de M se puede crear una gramática
Más detallesComputabilidad y Lenguajes Formales: Teoría de la Computabilidad: Máquinas de Turing
300CIG007 Computabilidad y Lenguajes Formales: Teoría de la Computabilidad: Máquinas de Turing Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Máquina
Más detallesExamen de Teoría de Autómatas y Lenguajes Formales
Examen de Teoría de Autómatas y Lenguajes Formales TAL 16 de Septiembre de 2008 (I) CUESTIONES: (Justifique formalmente las respuestas) 1. Pronúnciese acerca de la veracidad o falsedad de los siguientes
Más detallesModelos Avanzados de Computación
UNIVERSIDAD DE GRANADA Departamento de Ciencias de la Computación e Inteligencia Artificial Modelos Avanzados de Computación Práctica 2 Máquinas de Turing Curso 2014-2015 Doble Grado en Ingeniería Informática
Más detallesAutómatas de Pila. Descripciones instantáneas o IDs. El Lenguaje de PDA. Equivalencia entre PDAs y CFGs INAOE (INAOE) 1 / 50
INAOE (INAOE) 1 / 50 Contenido 1 2 3 4 (INAOE) 2 / 50 Pushdown Automata Las gramáticas libres de contexto tienen un tipo de autómata que las define llamado pushdown automata. Un pushdown automata (PDA)
Más detallesIntroducción a la indecidibilidad
Introducción a la indecidibilidad José M. empere Departamento de istemas Informáticos y Computación Universidad Politécnica de Valencia Lenguajes y problemas Un problema será considerado cualquier cuestión
Más detallesUnidad 4. Autómatas de Pila
Unidad 4. Autómatas de Pila Una de las limitaciones de los AF es que no pueden reconocer el lenguaje {0n1n} debido a que no se puede registrar para todo n con un número finito de estados. Otro lenguaje
Más detallesUnidad 4. Autómatas de Pila
Unidad 4. Autómatas de Pila Una de las limitaciones de los AF es que no pueden reconocer el lenguaje {0 n 1 n } debido a que no se puede registrar para todo n con un número finito de estados. Otro lenguaje
Más detalles1. Cadenas EJERCICIO 1
LENGUAJES FORMALES Y AUTÓMATAS CURSO 2006/2007 - BOLETÍN DE EJERCICIOS Víctor J. Díaz Madrigal y José Miguel Cañete Departamento de Lenguajes y Sistemas Informáticos 1. Cadenas La operación reversa aplicada
Más detallesLa máquina de Turing
La máquina de Turing José M. Sempere Departamento de Sistemas Informáticos y Computación Universidad Politécnica de Valencia David Hilbert (1862, Rusia 1943, Alemania) Matemático que aportó diversos resultados
Más detallesComputabilidad y Lenguajes Formales: Autómatas de Pila
300CIG007 Computabilidad y Lenguajes Formales: Autómatas de Pila Pontificia Universidad Javeriana Cali Ingeniería de Sistemas y Computación Prof. Gloria Inés Alvarez V. Basado en [SIPSER, Chapter 2] Autómatas
Más detallesautómatas finitos y lenguajes regulares LENGUAJES FORMALES Y
CONTENIDO Reconocedores [HMU2.1]. Traductores [C8]. Diagramas de Estado [HMU2.1]. Equivalencia entre AF deterministas y no deterministas [HMU2.2-2.3]. Expresiones [HMU3]. Propiedades de [HMU4]. Relación
Más detallesPRACTICA 10: Máquinas de Turing
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA Departamento de Estadística, I.O. y Computación Teoría de Autómatas y Lenguajes Formales PRACTICA 10: Máquinas de Turing 10.1. Introducción La clase de
Más detallesIntroducción. Máquinas de Turing. Turing restringidas. Turing y Computadoras INAOE (INAOE) 1 / 49
y Computadoras INAOE (INAOE) 1 / 49 Contenido y Computadoras 1 2 3 4 y Computadoras (INAOE) 2 / 49 y Computadoras Hasta ahora hemos visto clases de lenguajes relativamente simples Lo que vamos a ver ahora
Más detalles5. Propiedades de los Lenguajes Recursivamente Enumerables y de los Lenguajes Recursivos.
5. Propiedades de los Lenguajes Recursivamente Enumerables y de los Lenguajes Recursivos. 5.1 Esquemas de representación de áquinas de Turing. 5.2 Propiedades de cierre. 5.3 Codificación de áquinas de
Más detallesTIPOS DE GRAMATICAS JERARQUIAS DE CHOMSKY
TIPOS DE GRAMATICAS JERARQUIAS DE CHOMSKY Para el estudio de este tema es necesario analizar dos tipos de gramáticas de la clasificación de Chomsky, las regulares y las independientes de contexto, las
Más detallesCiencias de la Computación I
Ciencias de la Computación I Gramáticas Regulares Expresiones Regulares Gramáticas - Intuitivamente una gramática es un conjunto de reglas para formar correctamente las frases de un lenguaje - Por ejemplo,
Más detallesTipos de reglas gramaticales (CHOMSKY) Otros tipos de reglas gramaticales no contractivas α β abc ACb
Tipos de reglas gramaticales (CHOMSKY) Slide 1 0 - no restringidas α β α ε abc ba 0 αaα β aabc bbc - con estructura αaα αβα aaac aac de frase A ε 1 - dependientes αaα αβα AAC baac de contexto β ε aaac
Más detallesINGENIERÍA EN INFORMÁTICA MODELOS ABSTRACTOS DE COMPUTO I SOLUCIONES
INGENIERÍA EN INFORMÁTICA MODELOS ABSTRACTOS DE COMPUTO I 19 de Enero de 2009 SOLUCIONES PREGUNTA 1 (2 puntos): Son siete cuestiones que debes responder y entregar en esta misma hoja. 1.1 Considera el
Más detallesMáquinas de estado finito y expresiones regulares
Capítulo 3 Máquinas de estado finito y expresiones regulares En este tema definiremos y estudiaremos máquinas de estado finito, llamadas también máquinas de estado finito secuenciales o autómatas finitos.
Más detallesTeoría de la Computación Lenguajes Regulares (LR) - Propiedades
Teoría de la Computación Lenguajes Regulares (LR) - Propiedades Prof. Hilda Y. Contreras Departamento de Computación hyelitza@ula.ve http://webdelprofesor.ula.ve/ingenieria/hyelitza Objetivo Lenguajes
Más detallesCiencias de la Computación I
Ciencias de la Computación I utómatas de Pila y Lenguajes Libres del Contexto Motivación - Es posible diseñar un F que reconozca el lenguaje L 1? L 1 = { a n b n / n > 0 } - Es posible diseñar un F que
Más detallesPROGRAMACIÓN II AÑO 2009 TALLER 3: TEORÍA DE LENGUAJES Y AUTÓMATAS
Licenciatura en Sistemas de Información PROGRAMACIÓN II AÑO 2009 TALLER 3: TEORÍA DE LENGUAJES Y AUTÓMATAS UNSE FCEyT 1. DESCRIPCIÓN Este taller consta de tres partes. En cada una de ellas se especifican
Más detallesTEORÍA DE AUTÓMATAS I Informática de Sistemas. Soluciones a las cuestiones de examen del curso 2009/2010
TEORÍA DE AUTÓMATAS I Informática de Sistemas Soluciones a las cuestiones de examen del curso 2009/2010 Febrero 10, 1ª semana 1. Considere la gramática de símbolos terminales {(, ), ;, 1, 2, 3}: S (A),
Más detallesAutómata de Pila (AP, PDA) Sesión 18
Sesión 8 Autómata de Pila (Pushdown Automata) Autómata de Pila (AP, PDA) Un AP es una máquina que acepta el lenguage generado por una GLC Consiste en un NFA- aumentado con una pila (stack). L = {xx r x
Más detallesTEORIA DE AUTOMATAS.
TEORIA DE AUTOMATAS. RELACION DE PROBLEMAS II.. Construir un AFND capaz de aceptar una cadena u {, }, que contenga la subcadena. Construir un AFND capaz de aceptar una cadena u {, }, que contenga la subcadena.
Más detallesProcesadores de Lenguaje
Procesadores de Lenguaje Repaso TALF Cristina Tîrnăucă Dept. Matesco, Universidad de Cantabria Fac. Ciencias Ing. Informática Primavera de 2013 La Jerarquía de Chomsky Cuatro niveles de lenguajes formales
Más detallesIntroducción a la Teoría de Autómatas, Lenguajes y Computación
Introducción a la Teoría de Autómatas, Lenguajes y Computación Gustavo Rodríguez Gómez y Aurelio López López INAOE Propedéutico 2010 1 / 53 Capítulo 2 Autómatas Finitos 2 / 53 1 Autómatas Finitos Autómatas
Más detallesAutómata de Pila (AP, PDA) Tema 18
Tema Autómata de Pila (Pushdown Automata Autómata de Pila (AP, PDA Un AP es una máquina que acepta el lenguage generado por una GLC Consiste en un NFA- aumentado con una pila (stack. Dr. Luis A. Pineda
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detalles1) Comprender la importancia que tiene la Máquina de Turing para la Ciencia de la Computación.
0 1 Temas 2 Objetivos 1) Comprender la importancia que tiene la Máquina de Turing para la Ciencia de la Computación. 2) Definir máquinas de Turing unicinta y multicinta, para reconocer lenguajes y para
Más detallesAutómatas de Estados Finitos
Asignatura: Teoría de la Computación Unidad 1: Lenguajes Regulares Tema 1: Autómatas de Estados Finitos Autómatas de Estados Finitos Definición de Autómatas de estados finitos: Tipo Lenguaje Máquina Gramática
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesComputabilidad y Lenguajes Formales: Teoría de la Computabilidad: Decidibilidad
300CIG007 Computabilidad y Lenguajes Formales: Teoría de la Computabilidad: Decidibilidad Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Lo indecidible
Más detalles2.1. Autómatas finitos deterministas (AFD) Los autómatas finitos son máquinas abstractas que procesan cadenas, las cuales son aceptadas o rechazadas:
Capítulo 2 Autómatas finitos 2.1. Autómatas finitos deterministas (AFD) Los autómatas finitos son máquinas abstractas que procesan cadenas, las cuales son aceptadas o rechazadas: El autómata actúa leyendo
Más detallesExpresiones regulares, gramáticas regulares
Expresiones regulares, gramáticas regulares Los LR en la jerarquía de Chomsky La clasificación de lenguajes en clases de lenguajes se debe a N. Chomsky, quien propuso una jerarquía de lenguajes, donde
Más detallesCurso Básico de Computación
Curso Básico de Computación 7 Máquina de Turing Feliú Sagols Troncoso Matemáticas CINVESTAV-IPN 2010 Curso Básico de Computación (Matemáticas) 7 Máquina de Turing 2010 1 / 43
Más detallessi w=ay por tanto a Σ e y Σ*
EJERCICIOS: LENGUAJES Y GRAMÁTICAS FORMALES Y MÁQUINAS DE TURING 1.- Prefijos de una cadena x son las cadenas que se pueden obtener de x suprimiendo 0 o más caracteres del final de x. Prefijos propios
Más detallesTema 5: Autómatas a pila. Teoría de autómatas y lenguajes formales I
Tema 5: Autómatas a pila Teoría de autómatas y lenguajes formales I Bibliografía Hopcroft, J. E., Motwani, R., y Ullman, J. D. Introducción a la Teoría de Autómatas, Lenguajes y Computación. Addison Wesley.
Más detallesMáquina de estado finito con salida sin salida
Máquina de estado finito con salida sin salida Máquina de estado finito Máquinas de estados finitos se utilizan ampliamente en aplicaciones en ciencias de la computación y redes de datos. Por ejemplo,
Más detallesMáquinas Secuenciales, Autómatas y Lenguajes. Tema 4: Expresiones Regulares. Luis Peña
Máquinas Secuenciales, Autómatas y Lenguajes Tema 4: Expresiones Regulares Luis Peña Sumario Tema 4: Expresiones Regulares. 1. Concepto de Expresión Regular 2. Teoremas de Equivalencia Curso 2012-2013
Más detallesCONJUNTOS REGULARES. Orlando Arboleda Molina. 19 de Octubre de Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle
CONJUNTOS REGULARES Orlando Arboleda Molina Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle 19 de Octubre de 2008 Contenido Expresiones regulares Teorema de Kleene Autómatas
Más detallesDefiniciones previas
Máquina de Turing Definiciones previas Definición. Alfabeto: Diremos que un conjunto finito Σ es un alfabeto si Σ y ( x)(x Σ x es un símbolo indivisible) Ejemplos Σ ={a,b}, Σ ={0,1}, Σ ={a,b, z} son alfabetos
Más detallesANÁLISIS LÉXICO AUTÓMATAS FINITOS
Todos los derechos de propiedad intelectual de esta obra pertenecen en exclusiva a la Universidad Europea de Madrid, S.L.U. Queda terminantemente prohibida la reproducción, puesta a disposición del público
Más detallesTeoría de Autómatas y Compiladores [ICI-445] Capítulo 2: Autómatas Finitos
Teoría de Autómatas y Compiladores [ICI-445] Capítulo 2: Autómatas Finitos Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad
Más detallesGramáticas Libres de Contexto
Gramáticas Libres de Contexto Pedro J. Álvarez Pérez-Aradros Rubén Béjar Hernández Departamento de Informática e Ingeniería de Sistemas C.P.S. Universidad de Zaragoza GramáticasLibresContrxto.ppt 29/03/2004
Más detallesDepartamento de Tecnologías de la Información. Tema 3. Autómatas finitos y autómatas de pila. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 3 Autómatas finitos Ciencias de la Computación e Inteligencia Artificial Índice 3.1 Funciones sobre conjuntos infinitos numerables 3.2 Autómatas finitos
Más detallesTeoría de la Computación y Leguajes Formales
y Leguajes Formales Prof. Hilda Y. Contreras Departamento de Computación hyelitza@ula.ve hildac.teoriadelacomputacion@gmail.com Contenido Tema 0: Introducción y preliminares: Conocimientos matemáticos
Más detallesTema: Autómatas de Estado Finitos
Compiladores. Guía 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Compiladores Tema: Autómatas de Estado Finitos Contenido En esta guía se aborda la aplicación de los autómatas en el campo de
Más detallesTema 4: Gramáticas independientes del contexto. Teoría de autómatas y lenguajes formales I
Tema 4: Gramáticas independientes del contexto Teoría de autómatas y lenguajes formales I Bibliografía Hopcroft, J. E., Motwani, R., y Ullman, J. D. Introducción a la Teoría de Autómatas, Lenguajes y Computación.
Más detallesUnidad 1 Introducción
Unidad 1 Introducción Contenido 1.1 La importancia de estudiar los autómatas y lenguajes formales 1.2 Símbolos, alfabetos y cadenas 1.3 Operaciones sobre cadenas 1.4 Definición de lenguaje y operaciones
Más detallesFundamentos de Ciencias de la Computación Trabajo Práctico N 2 Lenguajes Libres del Contexto y Sensibles al Contexto Segundo Cuatrimestre de 2002
Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Ejercicios Fundamentos de Ciencias de la Computación Trabajo Práctico N 2 Lenguajes Libres del Contexto y Sensibles al Contexto
Más detallesVíctor J. Díaz Madrigal y Fernando Enríquez de Salamanca Ros. 2.1 Límites de los lenguajes regulares Teorema de Myhill-Nerode Lema del bombeo
Guión 2.1 Límites de los lenguajes regulares Teorema de Myhill-Nerode Lema del bombeo Tma. de Myhill-Nerode: Relaciones de equivalencia Una relación de equivalencia sobre Σ es: 1. Invariante por la derecha:
Más detallesIgualdad de cadenas. Las nociones de sufijo y prefijo de cadenas sobre un alfabeto son análogas a las que se usan habitualmente.
Igualdad de cadenas Si w y z son palabras, se dice que w es igual a z, si tiene la misma longitud y los mismos símbolos en la misma posición. Se denota por w = z. Las nociones de sufijo y prefijo de cadenas
Más detallesModelos de Informática Teórica Capítulo 2 - Clases de Complejidad
Modelos de Informática TeóricaCapítulo 2 - Clases de Complejidad p. 1/40 Modelos de Informática Teórica Capítulo 2 - Clases de Complejidad Serafín Moral Callejón Departamento de Ciencias de la Computación
Más detallesGramáticas independientes del contexto TEORÍA DE LA COMPUTACIÓN LENGUAJES INDEPENDIENTES DEL CONTEXTO Y AUTÓMATAS DE PILA. Otras definiciones I
Gramáticas independientes del contexto TEORÍ DE L COMPUTCIÓN LENGUJES INDEPENDIENTES DEL CONTEXTO Y UTÓMTS DE PIL Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNM E-mail:
Más detallesCiencias de la Computación I
Ciencias de la Computación I Autómatas Finitos No Determinísticos Minimización de Autómatas Finitos Determinísticos Agosto 2007 Autómatas Finitos Determinísticos Para cada estado y para cada símolo se
Más detallesLenguajes independientes de contexto o incontextuales
Lenguajes independientes de contexto o incontextuales Elvira Mayordomo Universidad de Zaragoza 5 de noviembre de 2012 Elvira Mayordomo (Universidad de Zaragoza)Lenguajes independientes de contexto o incontextuales5
Más detallesTeoría de Autómatas y Lenguajes Formales.
Teoría de Autómatas y Lenguajes Formales Autores: Araceli Sanchis de Miguel Agapito Ledezma Espino Jose A. Iglesias Martínez Beatriz García Jiménez Juan Manuel Alonso Weber 1 UNIVERSIDAD CARLOS III DE
Más detallesSSL Guia de Ejercicios
1 SSL Guia de Ejercicios INTRODUCCIÓN A LENGUAJES FORMALES 1. Dado el alfabeto = {a, b, c}, escriba las palabras del lenguaje L = {x / x }. 2. Cuál es la cardinalidad del lenguaje L = {, a, aa, aaa}? 3.
Más detallesPropiedades de Lenguajes Regulares
de INAOE (INAOE) 1 / 44 Contenido 1 2 3 4 (INAOE) 2 / 44 Existen diferentes herramientas que se pueden utilizar sobre los lenguajes regulares: El lema de : cualquier lenguaje regular satisface el pumping
Más detalles3 Propiedades de los conjuntos regulares 3.1 Lema de Bombeo para conjuntos regulares
Curso Básico de Computación 3 Propiedades de los conjuntos regulares 3. Lema de Bombeo para conjuntos regulares El lema de bombeo es una herramienta poderosa para probar que ciertos lenguajes son no regulares.
Más detallesTexto: Hopcroft, J. E., Motwani, R., Ullman, J.D., Introduction to Automata Theory, Languajes, and Computation. 3rd Edition. Addison Wesley, 2007.
Universidad de Puerto Rico Recinto de Mayagüez Facultad de Artes y Ciencias DEPARTAMENTO DE CIENCIAS MATEMÁTICAS Programa de Autómata y Lenguajes Formales Curso: Autómata y Lenguajes Formales Codificación:
Más detalles7.1 Máquina de Turing 7.5 Modificaciones de la máquina de Turing. Cinta infinita de doble vía
1 Curso Básico de Computación 7.1 Máquina de Turing 7.5 Modificaciones de la máquina de Turing Una razón para aceptar a la máquina de Turing como un modelo general de cómputo es que el modelo con el que
Más detallesTeoría de Autómatas y Lenguajes Formales.
Teoría de Autómatas y Lenguajes Formales Prueba de Evaluación de Lenguajes Regulares, Autómatas a Pila y Máquinas de Turing. Autores: Araceli Sanchis de Miguel Agapito Ledezma Espino Jose A. Iglesias Martínez
Más detalles14 Lenguajes y gramáticas II
2 Contenido Lenguaje generado por una gramática (Derivaciones) Ejemplo Jerarquía de Chomsky Gramáticas tipo 3 Gramáticas tipo 2 Gramáticas tipo 1 Gramáticas tipo 0 Descripción de las gramáticas Ejercicios
Más detallesExpresiones regulares, gramáticas regulares Unidad 3
Expresiones regulares, gramáticas regulares Unidad 3 Los LR en la jerarquía de Chomsky La clasificación de lenguajes en clases de lenguajes se debe a N. Chomsky, quien propuso una jerarquía de lenguajes,
Más detallesAUTÓMATAS DE PILA Y LENGUAJES INDEPENDIENTES DEL CONTEXTO
Autómatas de pila y lenguajes independientes del contexto -1- AUTÓMATAS DE PILA Y LENGUAJES INDEPENDIENTES DEL CONTEXTO AUTÓMATAS DE PILA - Son autómatas finitos con una memoria en forma de pila. - Símbolos
Más detallesIntroducción TEORÍA DE LA COMPUTACIÓN INTRODUCCIÓN. Lógica
Introducción TEORÍA DE LA COMPUTACIÓN INTRODUCCIÓN Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNAM E-mail: fhq@ciencias.unam.mx Página Web: www.matematicas.unam.mx/fhq
Más detalles2 Autómatas finitos y gramáticas regulares.
2 Autómatas finitos y gramáticas regulares. Autómata RAE Instrumento o aparato que encierra dentro de sí el mecanismo que le imprime determinados movimientos. Algo autónomo que se comporta de determinada
Más detalles2 Autómatas finitos y gramáticas regulares.
2 Autómatas finitos y gramáticas regulares. Autómata RAE Instrumento o aparato que encierra dentro de sí el mecanismo que le imprime determinados movimientos. Algo autónomo que se comporta de determinada
Más detallesComplejidad Computacional
Análisis y Complejidad de Algoritmos Complejidad Computacional Arturo Díaz Pérez Lenguajes formales Gramáticas formales Jerarquía de Chomski Teoría de la complejidad Una desigualdad computacional Computabilidad
Más detallesAutómata finito y Expresiones regulares A* C. B
Autómata finito y Expresiones regulares A* C. B Conceptos Alfabeto ( ): es el conjunto finito no vacío de símbolos. Ejemplo: = {0,1}, el alfabeto binario Cadenas: secuencia finita de símbolos pertenecientes
Más detallesAutómatas Finitos INAOE. Introducción a. Autómatas. Definición formal de un. Finito Determinístico. Finito No- Finitos y Lenguajes Formales
los s s s s INAOE (INAOE) 1 / 58 Contenido los s s 1 los s 2 3 4 s 5 (INAOE) 2 / 58 los s los s los s s : Conjunto de estados + Control Cambio de estados en respuesta a una entrada. Tipo de Control: :
Más detallesMODELOS DE COMPUTACIÓN CRISTIAN ALFREDO MUÑOZ ALVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACON PEÑA EDUARDO GONZALES PULGARIN
MODELOS DE COMPUTACIÓN CRISTIAN ALFREDO MUÑOZ ALVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACON PEÑA EDUARDO GONZALES PULGARIN LENGUAJES Y GRAMÁTICAS La sintaxis de un lenguaje natural en lenguajes como
Más detallesCapítulo 9. Introducción a los lenguajes formales. Continuar
Capítulo 9. Introducción a los lenguajes formales Continuar Introducción Un lenguaje es un conjunto de símbolos y métodos para estructurar y combinar dichos símbolos. Un lenguaje también recibe el nombre
Más detallesEntscheidungsproblem I TEORÍA DE LA COMPUTACIÓN MÁQUINAS DE TURING Y DECIDIBILIDAD. Máquinas de Turing (TM) Procedimiento efectivo
Entscheidungsproblem I TEORÍA DE LA COMPUTACIÓN MÁQUINAS DE TURING Y DECIDIBILIDAD Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNAM E-mail: fhq@ciencias.unam.mx Página
Más detallesAutómatas Finitos Deterministicos (DFA) Introducción a la Complejidad Computacional FFHA, Universidad Nacional de San Juan
Autómatas Finitos Deterministicos (DFA) Introducción a la Complejidad Computacional FFHA, Universidad Nacional de San Juan 206 Info útil Bibliografía: Introducción a la teoría de autómatas, lenguajes y
Más detalles