Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann.

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen und Datenstrukturen (EI)
Advertisements

Zufallsfelder Def. Zufallsfeld: Sei V eine endliche Menge (von Orten). Für jedes v V existiere eine (endliche) Menge X(v) von Zuständen x(v). Der Raum.
Eine dynamische Menge, die diese Operationen unterstützt,
Christian Schindelhauer
Theoretische Grundlagen der Informatik Prof. Dr. Michael Löwe
Bounded Model Checking II
Prof. Dr. W. Conen 15. November 2004
Institut für Informatik Abt. Intelligente Systeme
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 4 / 1 Termalgebren Definition "Freie Algebra" Die -Algebra A = [A, F ] heißt.
Grammatiken, Definitionen
Einige entscheidbare bzw. rekursiv aufzählbare Sprachen
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (02 – Endliche Automaten) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (05 – Reguläre Ausdrücke) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (12 – Kellerautomaten, PDA) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (04 – Automaten mit ε-Transitionen) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (03 – Nichtdeterminierte endliche Automaten) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (17 –Turingmaschinen) Prof. Dr. Th. Ottmann.
Kapitel 1 Die natürlichen und die ganze Zahlen. Kapitel 1: Die natürlichen und die ganzen Zahlen © Beutelspacher/Zschiegner April 2005 Seite 2 Inhalt.
Grundkurs Theoretische Informatik, Folie 2.1 © 2006 G. Vossen,K.-U. Witt Grundkurs Theoretische Informatik Kapitel 2 Gottfried Vossen Kurt-Ulrich Witt.
d.h. für alle  mit () = (s1,s2 ,...,sn,s) gilt: wenn
Christian Schindelhauer
Christian Schindelhauer
Christian Schindelhauer
Christian Schindelhauer
Minimum Spanning Tree: MST
Theoretische Informatik 2
1.4.3 Die abgeschlossene Hülle F+ (1|5)
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§ 28 Multilineare und Alternierende Abbildungen
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§17 Produkte und Quotienten von Vektorräumen
Effiziente Algorithmen
§24 Affine Koordinatensysteme
Effiziente Algorithmen
Effiziente Algorithmen
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Folie 1 §15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn.
§15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn für alle.
Folie 1 § 28 Multilineare und Alternierende Abbildungen (28.1) Definition: V und W seien wieder ein K-Vektorräume. Eine Abbildung von V nach W stets linear.
Mehrkriterielle Optimierung mit Metaheuristiken
Formale Sprachen Grammatiken und die Chomsky-Hierarchie
Formale Sprachen Reguläre Sprachen Rudolf FREUND, Marian KOGLER.
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 1: Wiederholung (Vor allem Folien von Priv.-Doz. Dr. Kindler vom WS 2001/02.
Noam CHOMSKY, Sheila GREIBACH
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Arne Vater Wintersemester 2006/07 28.
Christian Schindelhauer Wintersemester 2006/07 5. Vorlesung
Arne Vater Wintersemester 2006/ Vorlesung
Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Arne Vater Wintersemester 2006/ Vorlesung
Christian Schindelhauer Wintersemester 2006/07 2. Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Arne Vater Wintersemester 2006/ Vorlesung
Der Hund jagt die Katze. Theoretische Informatik Satz S P O
Institut für Softwarewissenschaft – Universität WienP.Brezany 1 Beispiele (Frist: ) Beispiel 1: Sei  = {a, b} ein Alphabet und Q = {q 0, q 1 } eine.
Modellbasierte Software- Entwicklung eingebetteter Systeme Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt Universität und Fraunhofer.
Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen
Technische Informatik I Vorlesung 4: Vereinfachung von Schaltfunktionen Mirco Hilbert Universität Bielefeld Technische Fakultät.
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 3 / 1 Algebraische Hülle und Homomorphie A = [A, F ] sei  -Algebra. Eine.
WS03/041 Dynamische Programmierung (3) Konstruktion optimaler Suchbäume Prof. Dr. S. Albers Prof. Dr. Th. Ottmann.
Gliederung 0. Motivation und Einordnung 1. Endliche Automaten
 Präsentation transkript:

Vorlesung Informatik 3 Einführung in die Theoretische Informatik (06 – Reduktion endlicher Automaten) Prof. Dr. Th. Ottmann

Reduzierter Automat Sei A = (, S, δ, s0, F) ein DFA. Dann heißen zwei Zustände s, s‘  S äquivalent bzgl. A, s ~A s’, wenn für alle Worte w  * gilt: δ(s, w)  F gdw. δ(s‘, w)  F Der Automat A heißt reduziert (oder zustands-minimal), wenn für alle Zustände s, s‘ aus s ~A s’ schon s = s’ folgt und wenn alle Zustände aus S vom Anfangszustand s0 aus erreichbar sind. (D.h.: Für jedes s  S gibt es ein Wort w  *, so dass s = δ(s0, w) ist.) “ ~A “ ist eine Äquivalenzrelation auf S

Reduktion von DFAs Gegeben sei ein DFA A = (, S, δ, s0, F). Schritt 1: Lasse alle vom Anfangszustand s0 aus nicht erreichbaren Zustände weg. Schritt 2: „Dividiere A durch bzgl. Der Relation ~A “. D. h. definiere einen DFA A’ = (, S‘, δ‘, s0‘, F‘) wie folgt:

Unabhängigkeit der Def. vom Repräsentanten

Nachweis der Reduziertheit von A‘

Bemerkungen Man kann zeigen (ohne Beweis). Der durch „Durchdividieren nach ~A” zu einem DFA erzeugte DFA Amin (der sogenannte Minimalautomat Amin) ist isomorph zu dem nach der Myhill/Nerode-Methode konstruierten Automaten AL für die Sprache L = L(A). Amin und AL haben die minimal mögliche Anzahl von Zuständen, sind also reduziert. Der Minimalautomat Amin kann effizient mit Hilfe des sogenannten „state merging“ Verfahrens in Zeit O(n2) bestimmt werden, n = Anzahl der Zustände des gegebenen DFA A.

Minimaler endlicher Automat Satz: Gegeben sei eine reguläre Sprache L   *. Dann ist der (Zustands-) minimale Automat Amin, für den L = L(Amin) gilt, bis auf Isomorphie eindeutig bestimmt. Dabei sind zwei Automaten A1 = (, S1, δ1, s1, F1) und A2 = (, S2, δ2, s2, F2) genau dann isomorph, wenn │ S1 │ = │ S2 │ ist und es eine bijektive Abbildung f: S1 → S2 gibt mit f( δ1( s, a ) ) = δ2( f( s ), a ) , für alle s  S1 und alle a  . f( F1) = F2

Konstruktion des Minimalautomaten Sei A1 = (S, , δ, s0, F) ein DFA, der L = L(A) erkennt. Zu A wird in mehreren Schritten ein äquivalenter Automat Amin konstruiert: Vereinfache A, so dass alle Zustände von s0 aus erreichbar sind. Zerlege die Zustandsmenge disjunkt in zwei Teile: π1 = {F, S – F} Verfeinere die aktuelle Zerlegung πi = {S1, …, Sk}: In der neuen Zerlegung πi+1 gehören Zustände s, s‘ genau dann zur gleichen Menge, wenn s  Si und s‘  Si sowie δ( s, a)  Sj und δ( s‘, a)  Sj für alle a   und i, j  {1, …, k}. Aufgeteilt werden muss Si , wenn für s, s‘ Si gilt: δ( s, a) ≠ δ( s‘, a) Ergab die letzte Verfeinerung mehr Mengen, gehe zurück zu 3; sonst sind die Mengen der letzten Zerlegung die Zustände von Amin.

Ein zu minimierender DFA

1 M1 s3 s4 M2 s0 s1 s2

Reduzierter DFA