Automaty a gramatiky. Roman Barták, KTIML. Separované gramatiky. Kontextové gramatiky. Chomského hierarchie
|
|
- Adam Němeček
- před 4 lety
- Počet zobrazení:
Transkript
1 Chomského hierarchie Automaty a gramatiky Roman Barták, KTIML bartak@ktiml.mff.cuni.cz gramatiky typu 0 (rekurzivně spočetné jazyky L 0 ) pravidla v obecné formě gramatiky typu 1 (kontextové jazyky L 1 ) pouze pravidla ve tvaru αxβ αwβ, X V N, α,β (V N V T )*, w (V N V T ) + jedinoýjimkou je pravidlo S λ, potom se ale S nevyskytuje na pravé straně žádného pravidla gramatiky typu 2 (bezkontextové jazyky L 2 ) pouze pravidla ve tvaru X w, X V N, w (V N V T )* gramatiky typu 3 (regulární/pravé lineární jazyky L 3 ) pouze pravidla ve tvaru X wy, X w, X,Y V N, w V T * Kontextové gramatiky pouze pravidla ve tvaru αxβ αwβ, X V N, α,β (V N V T )*, w (V N V T ) + jedinoýjimkou je pravidlo S λ, potom se ale S nevyskytuje na pravé straně žádného pravidla Poznámky: neterminál X se přepisuje na w pouze v kontextu α a β pravidlo S λslouží pouze pro přidání λ do jazyka Příklad: L = {a n b n c n n 1} je kontextový jazyk (není BKJ) S asbc abc CB BC pozor, není kontextové pravidlo! bb bb bc bc cc cc Separované gramatiky Gramatika je separovaná, pokud obsahuje pouze pravidla tvaru α β, kde: buď α,β V + N (neprázdné posloupnosti neterminálů) nebo α V N a β V T {λ}. Lemma: Ke každé gramatice G lze sestrojit ekvivalentní separovanou gramatiku G. nechť G = (V N,V T,S,P) pro každý terminál x V T zavedeme nový neterminál X v pravidlech z P nahradíme terminály odpovídajícími neterminály a přidáme pravidla X x G = (V N V T,V T,S,P {X x x V T }) zřejmě L(G) = L(G ) 1
2 Od monotonie ke kontextovosti Gramatika je monotónní (nevypouštějící), jestliže pro každé pravidlo (u v) P platí u v. Monotónní gramatiky slovo v průběhu generování nezkracují. Věta: Ke každé monotónní gramatice lze nalézt ekvivalentní gramatika kontextovou. nejprve převedeme gramatiku na separovanou tím se monotonie neporuší (+ pravidla X x jsou kontextová) zbývají pravidla A 1 B 1 B n (kde m n) převedeme na kontextová pravidla s novými neterminály C A 1 C 1 A 2 C 1 A 2 C 1 C 2 C 1 C m-1 A m C 1 C m-1 C m C 1 C m B 1 C m B 1 C 2 C m B 1 B 2 C m B 1 B m-1 C m B 1 B m-1 B m B n Příklad kontextového jazyka L = {a i b j c k 1 i j k} je kontextový jazyk (není BKJ) S asbc abc B BBC C CC CB BC ab ab bb bb bc bc cc cc generování symbolů a množení symbolů B množení symbolů C uspořádání symbolů B a C začátek přepisu B na b pokračování přepisu B na b začátek přepisu C na c pokračování přepisu C na c CB BC není kontextové pravidlo, nahradíme ho: CB XB, XB XY, XY BY, BY BC Chomského hierarchie gramatiky typu 0 (rekurzivně spočetné jazyky L 0 ) pravidla v obecné formě gramatiky typu 1 (kontextové jazyky L 1 ) pouze pravidla ve tvaru αxβ αwβ, X V N, α,β (V N V T )*, w (V N V T ) + jedinoýjimkou je pravidlo S λ, potom se ale S nevyskytuje na pravé straně žádného pravidla gramatiky typu 2 (bezkontextové jazyky L 2 ) pouze pravidla ve tvaru X w, X V N, w (V N V T )* gramatiky typu 3 (regulární/pravé lineární jazyky L 3 ) pouze pravidla ve tvaru X wy, X w, X,Y V N, w V T * Turingovy stroje - historie a motivace pokusy o formalizaci pojmu algoritmu Gödel, Kleene, Church, Turing Turingův stroj zachycení práce matematika (nekonečná) tabule lze z ní číst a lze na ni psát mozek (řídící jednotka) Formalizace TS: místo tabule oboustranně nekonečná páska místo křídy čtecí a zapisovací hlava, kterou lze posouvat místo mozku konečná řídící jednotka (jako u ZA) Další formalizace: λ-kalkul, částečně rekurzivní funkce, RAM 2
3 Definice Turingova stroje Turingovým strojem nazýváme pětici T=(Q,X,δ,q 0,F), kde Q - neprázdná konečná množina stavů X - neprázdná konečná množina symbolů obsahuje symbol ε pro prázdné políčko δ -přechodová funkce δ : (Q-F) X Q X {-1,0,1} popisuje změnu stavu, zápis na pásku a posun hlavy q 0 Q - počáteční stav F Q - množina koncových stavů páska řídící jednotka 1) výpočet začíná ve stavu q 0 2) v každém taktu dojde ke změně stavu k přepisu políčka na pásce k posunu hlavy 3) výpočet končí, když není definována žádná instrukce (speciálně platí pro koncové stavy) Turingovy stroje - konfigurace a modifikace Konfigurace Turingova stroje je souhrn údajů přesně popisující stav výpočtu. Obsahuje: nejmenší souvislou část pásky, která obsahuje všechny neprázdné buňky čtenou buňku obvyklý zápis: uqv vnitřní stav polohu čtené buňky (hlavy) TS postupně přepracovává konfigurace. Modifikace Turingova stroje: více pásek, více hlav, jednostranná páska omezené činnosti v taktu omezený počet stavů, omezená abeceda dva zásobníky λ q λ Příklad Turingova stroje Navrhněte Turingův stroj převádějící konfiguraci q 0 w na q F w R, kde w {a 1,,a n }* (tj. obrácení slova). q 0,ε q F,ε,0 prázdné slovo q 0,a i q i,r,a i,+1 přečte písmeno, pamatuje si ve stavu q 0,a i q R,a i,+1 konec (slovo sudé délky) q i,r,a j q i,r,a j,+1 běží doprava q i,r,ε q i,w,ε,-1 na konci se otočí q i,r,a j q i,w,a j,-1 q i,w,a j q j,l,a i,-1 vymění písmena q i,w,a i q R,a i,+1 konec (slovo liché délky) q i,l,a j q i,l,a j,-1 a běží zpět (doleva) q i,l,a j q 0,a i,+1 na zarážce uloží písmeno a začne znova q R,a j q R,a j,+1 běží doprava q R,ε q C,ε,-1 na konci se otočí q C,a j q C,a j,-1 při běhu doleva ruší označení q C, ε q F, ε,+1 slovo je obráceno Výpočet Turingova stroje Turingovým strojem nazýváme pětici T=(Q,X,δ,q 0,F) prázdné políčko ε Konfigurace TS popisuje aktuální stav výpočtu - uqv. ε c a Krok výpočtu (přímá změna konfigurace): uqv wpz v=av, w=u, z=bv q,a p,b,0 v=av, w=ub, z=v q,a p,b,+1 v=av, u=wc, z=cbv q,a p,b,-1 Poznámky: technicky je potřeba ošetřit případy, kdy v=λ nebo u=λ s u a v lze pracovat jako se dvěma zásobníky Výpočet je posloupnost přímých kroků uqv * wpz q ε 3
4 Turingovy stroje a jazyky Slovo w je přijímáno Turingovým strojem T, pokud q 0 w * upv, p F někdy je na konci výpočtyžadováno smazání pásky (q 0 w * λpε) Jazyk přijímaný Turingovým strojem T L(T) = {w w (X-{ε})* & q 0 w * upv, p F}. Jazyk L nazveme rekurzivně spočetným, pokud je přijímán nějakým Turingovým strojem T (L=L(T)). Příklad: {a 2n } q 0,ε q F,ε,0 q 0,a q 1,a,+1 q 1,a q 0,a,+1 prázdné slovo (konec výpočtu) zvětší čítač (2k+1 symbolů) nuluje čítač (2k symbolů) Od Turingova stroje ke gramatice Každý rekurzivně spočetný jazyk je typu 0. pro Turingův stroj T najdeme gramatiku G tak, že L(T)=L(G) gramatika nejdříve vygeneruje pásku stroje + kopii slova potom simuluje výpočet (stavy jsou součástí slova) v koncovém stavu smažeme pásku, necháme pouze kopii slova w ε n w R q 0 ε n (ε n představují volný prostor pro výpočet) I) S D Q 0 E D xd X E generuje slovo a jeho reverzní kopii pro výpočet E εe ε generuje volný prostor pro výpočet II) X P Y X Q Y pro δ(p,x)=(q,x,0) X P Y Q X Y pro δ(p,x)=(q,x,+1) X P Y X Y Q pro δ(p,x)=(q,x,-1) III) P C pro p F C A C mazání pásky A C C mazání pásky C λ konec výpočtu Od Turingova stroje ke gramatice - pokračování Ještě L(T) = L(G)? w L(T) existuje konečný výpočet stroje T (konečný prostor) gramatika vygeneruje dostatečně velký prostor pro výpočet simulujeme výpočet a smažeme dvojníky w L(G) pravidla v derivaci nemusí být v pořadí, jakém chceme derivaci můžeme přeuspořádat tak, že pořadí je I, II, III podtržené symboly smazány, tj. vygenerován koncový stav Příklad: δ(q 0,ε) = (q F,ε,0) δ(q 0,a) =(q 1,a,+1) δ(q 1,a) = (q 0,a,+1) Gramatika po zjednodušení S D q 0 D ad a ε ε q 0 C a q 0 q 1 a a q 1 q 0 a C a C C λ Od gramatik k Turingově stroji Každý jazyk typu 0 je rekurzivně spočetný. Důkaz (neformálně): idea: Turingův stroj postupně generuje všechny derivace derivaci S w 1 w n =w kódujeme jako slovo #S#w 1 # #w# TS postupně generuje všechna slova #S# w 1 # #w k # pokud w n =w, výpočet končí jinak, TS generuje další derivaci umíme udělat TS, který přijímá slova #u#v#, kde u v umíme udělat TS, který přijímá slova #w 1 # #w k #, kde w 1 *w k umíme udělat TS postupně generující všechna slova stroje spojíme do while cyklu Generuj (další) slovo Slovo tvoří derivaci? ne ano Derivace končí w? ne ano 4
5 Nedeterministické Turingovy stroje Nedeterministickým Turingovým strojem nazýváme pětici T=(Q,X,δ,q 0,F), kde Q,X,q 0,F jsou jako u TS a δ : (Q-F) X P(Q X {-1,0,1}). Slovo w je přijímáno nedeterministickým Turingovým strojem T, pokud existuje nějaký výpočet q 0 w * upv, p F. Tvrzení: N Turingovy stroje přijímají právě rekurzivně spočetné jazyky. Důkaz (neformálně): Ukážeme, že výpočty NTS lze modelovat pomocí TS. Pozor! Nelze použít podmnožinovou konstrukci (kvůli pásce)! TS modeluje všechny výpočty NTS prohledáváním do šířky max δ(q,x) Na pásce můžeme mít všechny konfigurace v hloubce k (páska je nekonečná), nebo můžeme generovat popis výpočtu (posloupnost pravidel) a vždy k němu dopočítat výslednou konfiguraci Lineárně omezené automaty Ještě potřebujeme ekvivalent pro kontextové gramatiky. Připomeňme, že kontextovou gramatiku dostaneme z libovolné monotónní gramatiky Lineárně omezený automat (LOA) je nedeterministický TS, kde na pásce je označen levý a pravý konec (l, r). Tyto symboly nelze při výpočtu přepsat a nesmí se jít nalevo od l a napravo od r. Slovo w je přijímáno lineárně omezeným automatem, pokud q 0 lwr * upv, p F. Prostor výpočtu je definován vstupním slovem a automat při jeho přijímání nesmí překročit jeho délku u monotónních (kontextových) derivací to není problém: žádné slovo v derivaci není delší než výstupní slovo Od kontextových jazyků k LOA Každý kontextový jazyk lze přijímat pomocí LOA. derivaci gramatiky budeme simulovat pomocí LOA použijeme pásku se dvěma stopami (větší abeceda) l 1) slovo w dáme do horní stopy a na začátek dolní stopy dáme S 2) přepisujeme slovo ve druhé stopě podle pravidel G 2.1) nedeterministicky vybereme část k přepsání 2.2) provedeme přepsání dle pravidla (pravá část se odsune) αxβ αγβ S w u α X β v u α γ β v 3) pokud jsoe druhé stopě samé terminály, porovnáme ji s první stopou (slovo přijmeme či zamítneme) r odsunutí Od LOA ke kontextovým jazykům LOA přijímají pouze kontextové jazyky. potřebujeme převést LOA na monotónní gramatiku tj. gramatika nesmí generovat nic navíc! výpočet ukryjeme do dvoustopých neterminálů 1) generuj slovo ve tvaru (a 0,[q 0,l,a 0 ]),(a 1,a 1 ),,(a n,[a n,r]) stav a okraje musíme ukrýt to neterminálů w q 0,l,a 0 a 0,r 2) simuluj práci LOA ve druhé stopě (stejně jako u TS) 3) pokud je stav koncový, smaž druhou stopu speciálně je potřeba ošetřit přijímání prázdného slova pokud LOA přijímá λ, přidáme speciální startovací pravidlo 5
6 Rekurzivní jazyky Co se stane, když TS nepřijímá nějaké slovo? a) výpočet skončí v nekoncovém stavu b) výpočet nikdy neskončí protože výpočet neskončil, nevíme, zda slovo do jazyka patří Říkáme, že TS T rozhoduje jazyk L, pokud L=L(T) a pro každé slovo w je výpočet stroje nad w konečný. Jazyky rozhodnutelné TS nazýváme rekurzivní jazyky. Věta (Postova): Jazyk L je rekurzivní, právě když L a doplněk L jsou rekurzivně spočetné. máme Turingovy stroje T 1 pro L a T 2 pro -L pro dané slovo w naráz simulujeme výpočet T 1 i T 2 T 1 a T 2 rozpoznávají komplementární jazyky, tedy po konečném počtu kroků víme zda w L Problém zastavení TS Existuje rekurzivně spočetný jazyk, který není rekurzivní? ANO Problém zastavení Turingova stroje (halting problem) je algoritmicky nerozhodnutelný. Neexistuje algoritmus, který by pro daný kód TS a daný vstup rozhodl, zda se TS zastaví. Důkaz (neformálně): vychází z existence univerzálního TS (Turingův stroj, který simuluje výpočet jiného TS nad daným vstupem) U(T,X) = T(X) T je kód stroje, X jsostupní data můžeme udělat stroj P(X), který se na datech X zastaví právě když U(X,X) se nezastaví U(P,P) vede ke sporu: P(P) U(P,P) P(P) (diagonální metoda) Postův korespondenční problém Postovým korespondenčním problémem (PKP) nazýváme konečný seznam dvojic neprázdných slov [u 1,v 1 ],, [u n,v n ]. Říkáme, že Postův korespondenční problém má řešení, pokud existují indexy i 1, i k tak, že 1 i j n a u u i 1 i2 u ik = v i1 v i2 v ik Říkáme, že Postův korespondenční problém má iniciální řešení, pokud existují indexy i 1, i k tak, že 1 i j n a u 1 u u i 1 i2 u ik = v 1v v i 1 i2 v ik Věta: PKP je algoritmicky rozhodnutelný, právě když je algoritmicky rozhodnutelné zda PKP má iniciální řešení. PKP s iniciálním řešením PKP (stačí vyzkoušet všechny začátky) PKP PKP s iniciálním řešením značení a 1 a 2 a n = a 1 a 2 a n a 1 a 2 a n = a 1 a 2 a n x 1 = u 1, x j+1 = u j, x n+2 = y 1 = v 1, y j+1 = v j, y n+2 = PKP s u,v má iniciální řešení právě když PKP s x,y má řešení Algoritmická nerozhodnutelnost PKP Existence iniciálního řešení PKP není algoritmicky rozhodnutelná. výpočet TS pro slovo w převedeme na PKP + +εq 0 w+ x x x X + + px qy δ(p,x)=(q,y,0) p+ qy+ δ(p,ε)=(q,y,0) px yq δ(p,x)=(q,y,+1) p+ yq+ δ(p,ε)=(q,y,+1) zpx qzy δ(p,x)=(q,y,-1) zp+ qzy+ δ(p,ε)=(q,y,-1) +px +qεy δ(p,x)=(q,y,-1) u: + K 0 + v: + K 0 + K 1 + K n-1 + K n + + K n + uqv + xqy q q F xq+ q+ +qy +q q++ + PKP má iniciální řešení TS se zastaví nad w + q q + + výpočet mazání 6
7 Algoritmická rozhodnutelnost u BKJ Pro bezkontextové jazyky je algoritmicky rozhodnutelné, zda dané slovo patří či nepatří do jazyka. umíme λ L(G) (S *λ) pro ostatní slova použijeme ChNF (X YZ, X a) v každé derivaci se délka slova zvětšuje nebo roste počet terminálních symbolů (tj. v derivaci není cyklus!) na terminální slovo délky n použijeme právě (2n-1) pravidel derivací pro všechna slova délky n je konečně můžeme postupně vyzkoušet všechny derivace vedoucí ke slovům dané délky, například prohledáváním do hloubky Pro bezkontextové jazyky je algoritmicky rozhodnutelné, zda je jazyk prázdný. umíme zjistit, zda z S lze generovat terminální slovo (algoritmus redukce) Algoritmicky nerozhodnutelné problémy Pro bezkontextové gramatiky G 1,G 2 je algoritmicky nerozhodnutelné zda L(G 1 ) L(G 2 )=. převedeme PKP na daný problém máme PKP [u 1,v 1 ],, [u n,v n ] zvolíme nové terminály a 1,,a n pro kódy indexů G 1 : S u i Sa i u i a i generuje slova u u i 1 ik a ik a i1 G 2 : S v i Sa i v i a i generuje slova v v i 1 ik a ik a i1 PKP má řešení právě když L(G 1 ) L(G 2 ) u-část = v-část + složky a i zajišťují stejné pořadí Je algoritmicky nerozhodnutelné, zda je bezkontextová gramatika víceznačná. S S 1 S 2 S 1 u i S 1 a i u i a i S 2 v i S 2 a i v i a i PKP má řešení právě když je gramatika víceznačná Další algoritmicky nerozhodnutelné problémy Je algoritmicky nerozhodnutelné, zda L(G)=X* pro BKG G. G 1 : S u i Sa i u i a i generuje slova u u i 1 ik a ik a i1 G 2 : S v i Sa i v i a i generuje slova v v i 1 ik a ik a i1 jazyky L(G 1 ), L(G 2 ) jsou deterministické, tedy -L(G 1 ) a -L(G 2 ) jsou deterministické BKJ a -L(G 1 ) -L(G 2 ) je BKJ máme BKG G takovou, že L(G) = -L(G 1 ) -L(G 2 ) PKP má řešení L(G 1 ) L(G 2 ) L(G) = -L(G 1 ) -L(G 2 ) X* Poznámka: L(G) = je algoritmicky rozhodnutelné. Důsledky: Nelze algoritmicky rozhodnout, zda L(G) = R, pro BKG G a regulární jazyk R (důkaz: za R zvolme X*) R L(G), pro BKG G a regulární jazyk R (důkaz: za R zvolme X*) L(G 1 ) = L(G 2 ), pro BKG G 1 a G 2 (důkaz: nechť G 1 generuje X*) L(G 1 ) L(G 2 ), pro BKG G 1 a G 2 (důkaz: nechť G 1 generuje X*) Poznámka: L(G) R je algoritmicky rozhodnutelné L(G) R L(G) -R = + (L(G) -R) je BKJ Shrnutí popis nekonečných objektů konečnými prostředky regulární jazyky konečné automaty (NKA,2KA) Nerode, Kleene, pumpování bezkontextové jazyky zásobníkové automaty (DZA) Dyckovy jazyky, pumpování kontextové jazyky lineárně omezené automaty monotonie rekurzivně spočetné jazyky Turingovy stroje algoritmická nerozhodnutelnost použití nejen pro práci s jazyky! 7
Automaty a gramatiky. Uzávěrové vlastnosti v kostce R J BKJ DBKJ. Roman Barták, KTIML. Kvocienty s regulárním jazykem
11 Automaty a gramatiky Roman Barták, KTIML bartak@ktiml.mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Uzávěrové vlastnosti v kostce Sjednocení Průnik Průnik s RJ Doplněk Substituce/ homomorfismus Inverzní
VíceAUTOMATY A GRAMATIKY. Pavel Surynek. Kontextové uzávěrové vlastnosti Turingův stroj Rekurzivně spočetné jazyky Kódování, enumerace
AUTOMATY A 11 GRAMATIKY Pavel Surynek Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra teoretické informatiky a matematické logiky Kontextové uzávěrové vlastnosti Turingův stroj Rekurzivně
VíceVztah jazyků Chomskeho hierarchie a jazyků TS
Vztah jazyků Chomskeho hierarchie a jazyků TS Jan Konečný; (přednáší Lukáš Havrlant) 15. října 2013 Jan Konečný; (přednáší Lukáš Havrlant) Chomskeho hierarchie a jazyky TS 15. října 2013 1 / 23 Rychlé
Vícedoplněk, zřetězení, Kleeneho operaci a reverzi. Ukážeme ještě další operace s jazyky, na které je
28 [181105-1236 ] 2.7 Další uzávěrové vlastnosti třídy regulárních jazyků Z předchozích přednášek víme, že třída regulárních jazyků je uzavřena na sjednocení, průnik, doplněk, zřetězení, Kleeneho operaci
VíceTuringovy stroje. Teoretická informatika Tomáš Foltýnek
Turingovy stroje Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Teoretická informatika strana 2 Opakování z minulé přednášky Jaké znáte algebraické struktury s jednou operací? Co je to okruh,
VíceAutomaty a gramatiky
Automaty a gramatiky Roman Barták, KTIML bartak@ktiml.mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Co bylo minule Úvod do formálních gramatik produkční systémy generativní gramatika G=(V N,V T,,P) G =
VícePostův korespondenční problém. Meze rozhodnutelnosti 2 p.1/13
Postův korespondenční problém Meze rozhodnutelnosti 2 p.1/13 Postův korespondenční problém Definice 10.1 Postův systém nad abecedou Σ je dán neprázdným seznamem S dvojic neprázdných řetězců nadσ, S = (α
VíceTURINGOVY STROJE. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
TURINGOVY STROJE Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 12 Evropský sociální fond Praha & EU: Investujeme do vaší
VíceAutomaty a gramatiky(bi-aag) Motivace. 1. Základní pojmy. 2 domácí úkoly po 6 bodech 3 testy za bodů celkem 40 bodů
BI-AAG (2011/2012) J. Holub: 1. Základní pojmy p. 2/29 Hodnocení předmětu BI-AAG (2011/2012) J. Holub: 1. Základní pojmy p. 4/29 Automaty a gramatiky(bi-aag) 1. Základní pojmy Jan Holub Katedra teoretické
VíceJednoznačné a nejednoznačné gramatiky
BI-AAG (2011/2012) J. Holub: 11. Bezkontextové gramatiky p. 2/36 Jednoznačné a nejednoznačné gramatiky BI-AAG (2011/2012) J. Holub: 11. Bezkontextové gramatiky p. 4/36 Automaty a gramatiky(bi-aag) 11.
VíceFormální jazyky a automaty Petr Šimeček
Formální jazyky a automaty Petr Šimeček Úvod Formální jazyky a automaty jsou základním kamenem teoretické informatiky. Na počátku se zmíníme o Chomského klasifikaci gramatik, nástroje, který lze aplikovat
VíceFormální jazyky a gramatiky Teorie programovacích jazyků
Formální jazyky a gramatiky Teorie programovacích jazyků doc. Ing. Jiří Rybička, Dr. ústav informatiky PEF MENDELU v Brně rybicka@mendelu.cz Připomenutí základních pojmů ABECEDA jazyk je libovolná podmnožina
VíceTřída PTIME a třída NPTIME. NP-úplnost.
VAS - Přednáška 9 Úvod ke kursu. Složitost algoritmu. Model RAM. Odhady složitosti. Metoda rozděl a panuj. Greedy algoritmy. Metoda dynamického programování. Problémy, třídy složitosti problémů, horní
VíceBezkontextové jazyky 2/3. Bezkontextové jazyky 2 p.1/27
Bezkontextové jazyky 2/3 Bezkontextové jazyky 2 p.1/27 Transformace bezkontextových gramatik Bezkontextové jazyky 2 p.2/27 Ekvivalentní gramatiky Definice 6.1 Necht G 1 a G 2 jsou gramatiky libovolného
VíceMnožinu všech slov nad abecedou Σ značíme Σ * Množinu všech neprázdných slov Σ + Jazyk nad abecedou Σ je libovolná množina slov nad Σ
Abecedou se rozumí libovolná konečná množina Σ. Prvky abecedy nazýváme znaky (symboly) Slovo (řetězec) v nad abecedou Σ je libovolná konečná posloupnost znaků této abecedy. Prázdné posloupnosti znaků odpovídá
VíceBezkontextové jazyky. Bezkontextové jazyky 1 p.1/39
Bezkontextové jazyky Bezkontextové jazyky 1 p.1/39 Jazyky typu 2 Definice 4.1 Gramatika G = (N, Σ, P, S) si nazývá bezkontextovou gramatikou, jestliže všechna pravidla z P mají tvar A α, A N, α (N Σ) Lemma
VíceUniverzální Turingův stroj a Nedeterministický Turingův stroj
27 Kapitola 4 Univerzální Turingův stroj a Nedeterministický Turingův stroj 4.1 Nedeterministický TS Obdobně jako u konečných automatů zavedeme nedeterminismus. Definice 14. Nedeterministický Turingův
VíceAUTOMATY A GRAMATIKY
AUTOMATY A 1 GRAMATIKY Pavel Surynek Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra teoretické informatiky a matematické logiky Stručný přehled přednášky Automaty Formální jazyky, operace
VíceFakulta informačních technologií. Teoretická informatika
Vysoké učení technické v Brně Fakulta informačních technologií Teoretická informatika Třetí úkol 2 Jan Trávníček . Tato úloha je řešena Turingovým strojem, který je zobrazen na obrázku, který si můžeme
VíceZ. Sawa (VŠB-TUO) Teoretická informatika 5. listopadu / 43
Zásobníkové automaty Z. Sawa (VŠB-TUO) Teoretická informatika 5. listopadu 2018 1/ 43 Zásobníkový automat Chtěli bychom rozpoznávat jazyk L = {a i b i i 1} Snažíme se navrhnout zařízení (podobné konečným
VíceRegulární výrazy. Definice Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto:
IB102 Automaty, gramatiky a složitost, 6. 10. 2014 1/29 Regulární výrazy Definice 2.58. Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto: 1 ε, a a pro každé a
VíceVýpočetní modely pro rozpoznávání bezkontextových jazyků zásobníkové automaty LL(k) a LR(k) analyzátory
Plán přednášky Výpočetní modely pro rozpoznávání bezkontextových jazyků zásobníkové automaty LL(k) a LR(k) analyzátory Obecný algoritmus pro parsování bezkontextových jazyků dynamické programování 1 Zásobníkový
VíceUčební texty k státní bakalářské zkoušce Programování Základy teoretické informatiky. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Programování Základy teoretické informatiky študenti MFF 15. augusta 2008 1 1 Základy teoretické informatiky Požadavky Logika - jazyk, formule, sémantika, tautologie
VíceAutomaty a gramatiky. Roman Barták, KTIML. Chomského normální forma
10 Automaty a gramatiky Roman Barták, KTIML bartak@ktiml.mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Chomského normální forma Podívejme se nyní na derivační stromy. Jak odhadnout výšku stromu podle délky
VíceZásobníkový automat. SlovoaaaabbbbpatřídojazykaL={a i b i i 1} a a a a b b b b
ChtělibychomrozpoznávatjazykL={a i b i i 1} Snažíme se navrhnout zařízení(podobné konečným automatům), které přečte slovo, a sdělí nám, zda toto slovo patřídojazykalčine. Při čtení a-ček si musíme pamatovat
VíceSyntaxí řízený překlad
Syntaxí řízený překlad Překladový automat Šárka Vavrečková Ústav informatiky, FPF SU Opava sarka.vavreckova@fpf.slu.cz Poslední aktualizace: 27. listopadu 2008 Zobecněný překladový automat Překladový automat
VíceZáklady teoretické informatiky Formální jazyky a automaty
Základy teoretické informatiky Formální jazyky a automaty Petr Osička KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI Outline Literatura Obsah J.E. Hopcroft, R. Motwani, J.D. Ullman Introduction to
VíceKonstrukce relace. Postupně konstruujeme na množině všech stavů Q relace i,
[161014-1204 ] 11 2.1.35 Konstrukce relace. Postupně konstruujeme na množině všech stavů Q relace i, kde i = 0, 1,..., takto: p 0 q právě tehdy, když bud p, q F nebo p, q F. Dokud i+1 i konstruujeme p
VíceKapitola 6. LL gramatiky. 6.1 Definice LL(k) gramatik. Definice 6.3. Necht G = (N, Σ, P, S) je CFG, k 1 je celé číslo.
Kapitola 6 LL gramatiky 6.1 Definice LL(k) gramatik Definice 6.1. Necht G = (N, Σ, P, S) je CFG, k 1 je celé číslo. Definujme funkci FIRST G k : (N Σ) + P({w Σ w k}) předpisem FIRST G k (α) = {w Σ (α w
VíceČísla značí použité pravidlo, šipka směr postupu Analýza shora. Analýza zdola A 2 B 3 B * C 2 C ( A ) 1 a A + B. A Derivace zleva:
1) Syntaktická analýza shora a zdola, derivační strom, kanonická derivace ezkontextová gramatika gramatika typu 2 Nechť G = je gramatika typu 1. Řekneme, že je gramatikou typu 2, platí-li: y
VíceVlastnosti regulárních jazyků
Vlastnosti regulárních jazyků Podobně jako u dalších tříd jazyků budeme nyní zkoumat následující vlastnosti regulárních jazyků: vlastnosti strukturální, vlastnosti uzávěrové a rozhodnutelné problémy pro
VíceSložitost Filip Hlásek
Složitost Filip Hlásek Abstrakt. Příspěvek popisuje dva základní koncepty teoretické informatiky, Turingovy stroje a složitost. Kromě definic důležitých pojmů uvádí také několik souvisejících tvrzení,
VícePŘÍJMENÍ a JMÉNO: Login studenta: DATUM:
PŘÍJMENÍ a JMÉNO: Login studenta: DATUM: Závěrečný test z předmětu Vyčíslitelnost a složitost Doba trvání: 90 minut Max. zisk: 100 bodů Obecné pokyny: Po obdržení testu ihned do pravého horního rohu napište
Více3. Třídy P a NP. Model výpočtu: Turingův stroj Rozhodovací problémy: třídy P a NP Optimalizační problémy: třídy PO a NPO MI-PAA
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
VíceAutomaty a gramatiky
Automty grmtiky Romn Brták, KTIML rtk@ktiml.mff.cuni.cz http://ktiml.mff.cuni.cz/~rtk Úvod do formálních grmtik Grmtiky, všichni je známe, le co to je? Popis jzyk pomocí prvidel, podle kterých se vytvářejí
VíceBezkontextové jazyky. Bezkontextové jazyky 1 p.1/31
Bezkontextové jazyky Bezkontextové jazyky 1 p.1/31 Jazyky typu 2 Definice 4.1 Gramatika G = (N, Σ, P, S) si nazývá bezkontextovou gramatikou, jestliže všechna pravidla z P mají tvar A α, A N, α (N Σ) Lemma
VíceAutomaty a gramatiky(bi-aag) Formální překlady. 5. Překladové konečné automaty. h(ε) = ε, h(xa) = h(x)h(a), x, x T, a T.
BI-AAG (2011/2012) J. Holub: 5. Překladové konečné automaty p. 2/41 Formální překlady BI-AAG (2011/2012) J. Holub: 5. Překladové konečné automaty p. 4/41 Automaty a gramatiky(bi-aag) 5. Překladové konečné
VíceTuringovy stroje. Turingovy stroje 1 p.1/28
Turingovy stroje Turingovy stroje 1 p.1/28 Churchova teze Churchova (Church-Turingova) teze: Turingovy stroje (a jim ekvivalentní systémy) definují svou výpočetní silou to, co intuitivně považujeme za
VíceTeoretická informatika TIN 2013/2014
Teoretická informatika TIN 2013/2014 prof. RNDr. Milan Češka, CSc. ceska@fit.vutbr.cz doc.ing. Tomáš Vojnar, Ph.D. vojnar@fit.vutbr.cz sazba Ing. A. Smrčka, Ing. P. Erlebach, Ing. P. Novosad Vysoké učení
VíceVlastnosti Derivační strom Metody Metoda shora dolů Metoda zdola nahoru Pomocné množiny. Syntaktická analýza. Metody a nástroje syntaktické analýzy
Metody a nástroje syntaktické analýzy Šárka Vavrečková Ústav informatiky, FPF SU Opava sarka.vavreckova@fpf.slu.cz Poslední aktualizace: 14. října 2011 Vlastnosti syntaktické analýzy Úkoly syntaktické
VíceBezkontextové jazyky 3/3. Bezkontextové jazyky 3 p.1/27
Bezkontextové jazyky 3/3 Bezkontextové jazyky 3 p.1/27 Vlastnosti bezkontextových jazyků Bezkontextové jazyky 3 p.2/27 Pumping teorém pro BJ Věta 6.1 Necht L je bezkontextový jazyk. Pak existuje konstanta
VíceTeoretická informatika průběh výuky v semestru 1
Teoretická informatika průběh výuky v semestru 1 Týden 7 Přednáška (Výpočetní) problémy, rozhodovací(ano/ne) problémy,... Připomněli jsme si obecné definice a konkrétní problémy, jako např. SAT[problém
VíceAutomaty a gramatiky. Úvod do formáln. lních gramatik. Roman Barták, KTIML. Příklady gramatik
Úvod do formáln lních grmtik Automty grmtiky Romn Brták, KTIML rtk@ktiml.mff.cuni.cz http://ktiml.mff.cuni.cz/~rtk Grmtiky, všichni je známe, le co to je? Popis jzyk pomocí prvidel, podle kterých se vytvářejí
VíceÚvod do informatiky. Miroslav Kolařík
Úvod do informatiky přednáška desátá Miroslav Kolařík Zpracováno dle R. Bělohlávek, V. Vychodil: Diskrétní matematika 2, http://phoenix.inf.upol.cz/esf/ucebni/dm2.pdf P. Martinek: Základy teoretické informatiky,
VíceNaproti tomu gramatika je vlastně soupis pravidel, jak
1 Kapitola 1 Úvod V přednášce se zaměříme hlavně na konečný popis obecně nekonečných množin řetězců symbolů dané množiny A. Prvkům množiny A budeme říkat písmena, řetězcům (konečným posloupnostem) písmen
VíceTeoretická informatika
Teoretická informatika TIN 2017/2018 prof. RNDr. Milan Češka, CSc. ceska@fit.vutbr.cz prof. Ing. Tomáš Vojnar, Ph.D. vojnar@fit.vutbr.cz sazba dr. A. Smrčka, Ing. P. Erlebach, Ing. P. Novosad Vysoké učení
VíceVztah teorie vyčíslitelnosti a teorie složitosti. IB102 Automaty, gramatiky a složitost, /31
Vztah teorie vyčíslitelnosti a teorie složitosti IB102 Automaty, gramatiky a složitost, 2. 12. 2013 1/31 IB102 Automaty, gramatiky a složitost, 2. 12. 2013 2/31 Časová složitost algoritmu počet kroků výpočtu
Více(viztakéslidyktétopřednášce...) Poznámka. Neudělali jsme vše tak podrobně, jak je to v zápisu.
Teoretická informatika průběh výuky v semestru 1 Týden 8 Přednáška- první část (viztakéslidyktétopřednášce...) Poznámka. Neudělali jsme vše tak podrobně, jak je to v zápisu. Turingovy stroje,(výpočetní)
VíceTeoretická informatika průběh výuky v semestru 1
Teoretická informatika průběh výuky v semestru 1 Týden 8 Přednáška Model RAM Ve studijním textu je detailně popsán model RAM, který je novějším výpočetním modelem než Turingův stroj a vychází z architektury
VíceTeoretická informatika - Úkol č.1
Teoretická informatika - Úkol č.1 Lukáš Sztefek, xsztef01 18. října 2012 Příklad 1 (a) Gramatika G 1 je čtveřice G 1 = (N, Σ, P, S) kde, N je konečná množina nonterminálních symbolů N = {A, B, C} Σ je
VíceTřídy složitosti P a NP, NP-úplnost
Třídy složitosti P a NP, NP-úplnost Cíle přednášky: 1. Definovat, za jakých okolností můžeme problém považovat za efektivně algoritmicky řešitelný. 2. Charakterizovat určitou skupinu úloh, pro které není
Více2 Formální jazyky a gramatiky
2 Formální jazyky a gramatiky 2.1 Úvod Teorie formálních gramatik a jazyků je důležitou součástí informatiky. Její využití je hlavně v oblasti tvorby překladačů, kompilátorů. Vznik teorie se datuje přibližně
VíceTřída PTIME a třída NPTIME. NP-úplnost.
VAS - Přednáška 9 Úvod ke kursu. Složitost algoritmu. Model RAM. Odhady složitosti. Metoda rozděl a panuj. Greedy algoritmy. Metoda dynamického programování. Problémy, třídy složitosti problémů, horní
VíceDefinice 7.2. Nejmenší přirozené číslo k, pro které je graf G k-obarvitelný, se nazývá chromatické číslo (barevnost) grafu G a značí se χ(g).
7 Barevnost grafu Definice 71 Graf G se nazývá k-obarvitelný, jestliže každému jeho uzlu lze přiřadit jednu z barev 1 k tak, že žádné dva sousední uzly nemají stejnou barvu Definice 72 Nejmenší přirozené
VícePŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
VícePumping lemma - podstata problému. Automaty a gramatiky(bi-aag) Pumping lemma - problem resolution. Pumping lemma - podstata problému
BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 2/22 Pumping lemma - podstata problému BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 4/22 Automaty a gramatiky(bi-aag)
VíceVýroková a predikátová logika - XII
Výroková a predikátová logika - XII Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - XII ZS 2015/2016 1 / 15 Algebraické teorie Základní algebraické teorie
VíceKapitola 1. Úvod. 1.1 Značení. 1.2 Výroky - opakování. N... přirozená čísla (1, 2, 3,...). Q... racionální čísla ( p, kde p Z a q N) R...
Kapitola 1 Úvod 1.1 Značení N... přirozená čísla (1, 2, 3,...). Z... celá čísla ( 3, 2, 1, 0, 1, 2,...). Q... racionální čísla ( p, kde p Z a q N) q R... reálná čísla C... komplexní čísla 1.2 Výroky -
VícePřijímací zkouška na navazující magisterské studium 2017
Přijímací zkouška na navazující magisterské studium 207 Řešení příkladů pečlivě odůvodněte. Příklad (25 bodů) Studijní program: Studijní obory: Varianta A Matematika MMUI Navrhněte deterministický konečný
VíceNP-úplnost problému SAT
Problém SAT je definován následovně: SAT(splnitelnost booleovských formulí) Vstup: Booleovská formule ϕ. Otázka: Je ϕ splnitelná? Příklad: Formule ϕ 1 =x 1 ( x 2 x 3 )jesplnitelná: např.přiohodnocení ν,kde[x
VícePROGRAMOVACÍ JAZYKY A PŘEKLADAČE LL SYNTAKTICKÁ ANALÝZA DOKONČENÍ, IMPLEMENTACE.
PROGRAMOVACÍ JAZYKY A PŘEKLADAČE LL SYNAKICKÁ ANALÝZA DOKONČENÍ, IMPLEMENACE. VLASNOSI LL GRAMAIK A JAZYKŮ. 2011 Jan Janoušek BI-PJP Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Gramatika
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VícePoznámky k přednášce NTIN090 Úvod do složitosti a vyčíslitelnosti. Petr Kučera
Poznámky k přednášce NTIN090 Úvod do složitosti a vyčíslitelnosti Petr Kučera 12. února 2016 Obsah I Úvod 1 1 Motivace 2 II Vyčíslitelnost 3 2 Algoritmy a výpočetní modely 4 2.1 Churchova-Turingova teze..............................
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceOSTRAVSKÁ UNIVERZITA V OSTRAVĚ
OSTRAVSKÁ UNIVERZITA V OSTRAVĚ TEORETICKÉ ZÁKLADY INFORMATIKY II HASHIM HABIBALLA OSTRAVA 2003 Tento projekt byl spolufinancován Evropskou unií a českým státním rozpočtem Recenzenti: Doc. Ing. Miroslav
VíceZÁKLADY TEORETICKÉ INFORMATIKY
KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO ZÁKLADY TEORETICKÉ INFORMATIKY PAVEL MARTINEK VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM
VíceBRNO UNIVERSITY OF TECHNOLOGY FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INTELLIGENT SYSTEMS MASTER S THESIS AUTHOR
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV INTELIGENTNÍCH SYSTÉMŮ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INTELLIGENT SYSTEMS SYSTÉMY FORMÁLNÍCH
VíceOperace s maticemi. 19. února 2018
Operace s maticemi Přednáška druhá 19. února 2018 Obsah 1 Operace s maticemi 2 Hodnost matice (opakování) 3 Regulární matice 4 Inverzní matice 5 Determinant matice Matice Definice (Matice). Reálná matice
VíceSložitost 1.1 Opera ní a pam ová složitost 1.2 Opera ní složitost v pr rném, nejhorším a nejlepším p ípad 1.3 Asymptotická složitost
1 Složitost 1.1 Operační a paměťová složitost Nezávislé určení na konkrétní implementaci Několik typů operací = sčítání T+, logické T L, přiřazení T A(assign), porovnání T C(compare), výpočet adresy pole
VíceMATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]
MATICE Matice typu m/n nad tělesem T je soubor m n prvků z tělesa T uspořádaných do m řádků a n sloupců: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij] a m1 a m2 a mn Prvek a i,j je prvek matice A na místě
VícePro každé formule α, β, γ, δ platí: Pro každé formule α, β, γ platí: Poznámka: Platí právě tehdy, když je tautologie.
Zpracoval: hypspave@fel.cvut.cz 5. Výroková logika, formule výrokové logiky a jejich pravdivostní ohodnocení, splnitelné formule, tautologie, kontradikce, sémantický důsledek, tautologicky ekvivalentní
Více[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici
[1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích
VícePŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy PAVEL RŮŽIČKA Abstrakt. Ukážeme, že každý prvek distributivního svazu odpovídá termu v konjuktivně-disjunktivním (resp. disjunktivně-konjunktivním)
VíceZ. Sawa (VŠB-TUO) Teoretická informatika 11. prosince / 63
Výpočetní modely Z. Sawa (VŠB-TUO) Teoretická informatika 11. prosince 2018 1/ 63 Nutnost upřesnění pojmu algoritmus Dosavadní definice pojmu algoritmus byla poněkud vágní. Pokud bychom pro nějaký problém
Vícep 2 q , tj. 2q 2 = p 2. Tedy p 2 je sudé číslo, což ale znamená, že
KAPITOLA 1: Reálná čísla [MA1-18:P1.1] 1.1. Číselné množiny Přirozená čísla... N = {1,, 3,...} nula... 0, N 0 = {0, 1,, 3,...} = N {0} Celá čísla... Z = {0, 1, 1,,, 3,...} Racionální čísla... { p } Q =
VíceBarevnost grafů MFF UK
Barevnost grafů Z. Dvořák MFF UK Plán vztah mezi barevností a maximálním stupněm (Brooksova věta) hranová barevnost (Vizingova věta) příště: vztah mezi barevností a klikovostí, perfektní grafy Barevnost
VíceTeoretická informatika TIN
Teoretická informatika TIN Studijní opora M. Češka, T. Vojnar, A. Smrčka 20. srpna 2014 Tento učební text vznikl za podpory projektu "Zvýšení konkurenceschopnosti IT odborníků absolventů pro Evropský trh
VíceZimní semestr akademického roku 2014/ prosince 2014
Cvičení k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikované matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičení Zimní semestr akademického roku 2014/2015 2. prosince 2014 Předmluva
VíceVektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace
Vektory a matice Aplikovaná matematika I Dana Říhová Mendelu Brno Obsah 1 Vektory Základní pojmy a operace Lineární závislost a nezávislost vektorů 2 Matice Základní pojmy, druhy matic Operace s maticemi
VíceMatematika 2 Úvod ZS09. KMA, PřF UP Olomouc. Jiří Fišer (KMA, PřF UP Olomouc) KMA MA2AA ZS09 1 / 25
Matematika 2 Úvod Jiří Fišer KMA, PřF UP Olomouc ZS09 Jiří Fišer (KMA, PřF UP Olomouc) KMA MA2AA ZS09 1 / 25 Studijní materiály web předmětu: aix-slx.upol.cz/ fiser St. Trávníček: Matematická analýza kag.upol.cz/travnicek/1-matan.
VíceKonečný automat. Jan Kybic.
Konečný automat Jan Kybic http://cmp.felk.cvut.cz/~kybic kybic@fel.cvut.cz 2016 2017 1 / 33 Konečný automat finite state machine Konečný automat = výpočetní model, primitivní počítač Řídící jednotka s
VíceAgent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu odhaduje, jak se svět může vyvíjet.
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Dnešní program Agent pracující v částečně pozorovatelném prostředí udržuje na základě senzorického modelu
VíceVysoké učení technické v Brně Fakulta informačních technologií. Gramatiky nad volnými grupami Petr Blatný
Vysoké učení technické v Brně Fakulta informačních technologií Gramatiky nad volnými grupami 2005 Petr Blatný Abstrakt Tento dokument zavádí pojmy bezkontextové gramatiky nad volnou grupou a E0L gramatiky
VíceDefinice 9.4. Nedeterministický algoritmus se v některých krocích může libovolně rozhodnout pro některé z několika možných různých pokračování.
9.5 Třída NP Definice 9.4. Nedeterministický algoritmus se v některých krocích může libovolně rozhodnout pro některé z několika možných různých pokračování. Příklad. Uvažujme problém IND a následující
VíceMinimalizace KA - Úvod
Minimalizace KA - Úvod Tyto dva KA A,A2 jsou jazykově ekvivalentní, tzn. že rozpoznávají tentýž jazyk. L(A) = L(A2) Názorně lze vidět, že automat A2 má menší počet stavů než A, tudíž našim cílem bude ukázat
VíceNAIVNÍ TEORIE MNOŽIN, okruh č. 5
NAIVNÍ TEORIE MNOŽIN, okruh č. 5 Definování množiny a jejích prvků Množina je souhrn nějakých věcí. Patří-li věc do množiny X, říkáme, že v ní leží, že je jejím prvkem nebo že množina X tuto věc obsahuje.
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
Více6. Lineární nezávislost a báze p. 1/18
6. Lineární nezávislost a báze 6. Lineární nezávislost a báze p. 1/18 6. Lineární nezávislost a báze p. 2/18 Lineární nezávislost a báze 1. Závislé a nezávislé vektory 2. Lineární kombinace a závislost
VícePoznámky k přednášce NTIN090 Úvod do složitosti a vyčíslitelnosti. Petr Kučera
Poznámky k přednášce NTIN090 Úvod do složitosti a vyčíslitelnosti Petr Kučera 16. září 2014 Obsah Sylabus a literatura Úvod a motivace iv v I Vyčíslitelnost 1 1 Algoritmy a výpočetní modely 2 1.1 Churchova-Turingova
VíceLimita a spojitost funkce
Přednáška 5 Limita a spojitost funkce V této přednášce se konečně dostaneme k diferenciálnímu počtu funkce jedné reálné proměnné. Diferenciální počet se v podstatě zabývá lokálním chováním funkce v daném
VíceÚvod do informatiky. Miroslav Kolařík
Úvod do informatiky přednáška pátá Miroslav Kolařík Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008 a dle učebního textu R. Bělohlávka a V. Vychodila: Diskrétní
VíceEKO-KOLONIE. Ústav informatiky, Filozoficko-přírodovědecká fakulta Slezské univerzity v Opavě 24.
EKO-KOLONIE OBHAJOBA DISERTAČNÍ PRÁCE RNDr. Šárka Vavrečková Ústav informatiky, Filozoficko-přírodovědecká fakulta Slezské univerzity v Opavě sarka.vavreckova@fpf.slu.cz 24. dubna 2008 Obsah 1 Eko-kolonie
VícePoznámka. Kezkoušcejemožnojítjenposplněnípožadavkůkzápočtu. Kromě čistého papíru a psacích potřeb není povoleno používat žádné další pomůcky.
PŘÍJMENÍ a JMÉNO: Login studenta: DATUM: Písemná zkouška z předmětu Teoretická informatika (UKÁZKA) Doba trvání: 90 minut Max. zisk: 65 bodů Minimální bodový zisk nutný k uznání: 25 bodů (jak je ovšem
VíceOperace s maticemi
Operace s maticemi Seminář druhý 17.10. 2018 Obsah 1 Operace s maticemi 2 Hodnost matice 3 Regulární matice 4 Inverzní matice Matice Definice (Matice). Reálná matice typu m n je obdélníkové schema A =
VíceLimita a spojitost funkce a zobrazení jedné reálné proměnné
Přednáška 4 Limita a spojitost funkce a zobrazení jedné reálné proměnné V několika následujících přednáškách budeme studovat zobrazení jedné reálné proměnné f : X Y, kde X R a Y R k. Protože pro každé
VíceOd Turingových strojů k P=NP
Složitost Od Turingových strojů k P=NP Zbyněk Konečný Zimnění 2011 12. 16.2.2011 Kondr (Než vám klesnou víčka 2011) Složitost 12. 16.2.2011 1 / 24 O čem to dnes bude? 1 Co to je složitost 2 Výpočetní modely
VíceRegulární výrazy. M. Kot, Z. Sawa (VŠB-TU Ostrava) Úvod do teoretické informatiky 14. března / 20
Regulární výrazy M. Kot, Z. Sawa (VŠB-TU Ostrava) Úvod do teoretické informatiky 14. března 2007 1/ 20 Regulární výrazy Jako například v aritmetice můžeme pomocí operátorů + a vytvářet výrazy jako (5+3)
VíceLineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
VíceUČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Vyčíslitelnost a složitost 1. Mgr. Viktor PAVLISKA
UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta Vyčíslitelnost a složitost 1 Mgr. Viktor PAVLISKA Ostravská univerzita 2002 Vyčíslitelnost a složitost 1 KIP/VYSL1 texty pro distanční studium
Více/1: Teoretická informatika(ti) přednáška 4
456-330/1: Teoretická informatika(ti) přednáška 4 prof. RNDr Petr Jančar, CSc. katedra informatiky FI VŠB-TUO www.cs.vsb.cz/jancar LS 2009/2010 Petr Jančar (FI VŠB-TU) Teoretická informatika(ti) LS 2009/2010
Více