【计算理论】可判定性 ( 对角线方法 | 使用对角线方法证明 通用任务图灵机 语言 不可判定 )

简介: 【计算理论】可判定性 ( 对角线方法 | 使用对角线方法证明 通用任务图灵机 语言 不可判定 )

文章目录

一、存在性证明

二、证明 通用任务图灵机 A T M \rm A_{TM}A

TM


 语言 对应的计算模型一定是 不可判定 ( 对角线法 )





一、存在性证明


存在性证明 : 肯定存在一些语言 , 不能被图灵机接受 ;



使用 语言 可以表示 计算问题 , 计算问题的个数与 实数 一样多 , 是 不可数的 ;


图灵机 的个数 与 自然数 一样多 , 是 可数的 ;



计算问题 要比 计算模型 多很多 , 计算问题 与 图灵机 之间不是 一一对应的 ;


肯定存在一个计算问题 , 找不出与之对应的图灵机 , 因此该计算问题肯定是 不可计算的 ,






二、证明 通用任务图灵机 A T M \rm A_{TM}A

TM


 语言 对应的计算模型一定是 不可判定 ( 对角线法 )


A T M \rm A_{TM}A

TM


 语言简介 :


将计算问题进行形式化 , M \rm MM 是图灵机 , w \rm ww 是字符串 , 如果 M \rm MM 图灵机 接受 w \rm ww 是字符串 , 将所有的可接受的 w \rm ww 是字符串放在一个集合中 , 组成的语言 称为 A T M \rm A_{TM}A

TM


 语言 ;


A T M = { < M , w > ∣ 图 灵 机 M 接 受 w 字 符 串 } \rm A_{TM} = \{ <M , w> | 图灵机 M 接受 w 字符串 \}A

TM


={<M,w>∣图灵机M接受w字符串}


A T M \rm A_{TM}A

TM


 语言 称为 图灵机可接受的 ;



A T M \rm A_{TM}A

TM


 语言 是可计算的 , 但 不是可判定的 ;


该结论可以区分 可判定语言 与 可计算语言 ;



使用 对角线法 证明 ;


与博客 【计算理论】可判定性 ( 对角线方法 | 证明自然数集 N 与实数集 R 不存在一一对应关系 ) 中证明 自然数集 与 实数集 不能一一对应类似 ;



在 【计算理论】可判定性 ( 计算模型与语言 | 区分 可计算语言 与 可判定语言 | 证明 某语言是 可计算语言 | 通用任务图灵机 与 特殊任务图灵机 ) 博客中证明了 通用图灵机语言 是计算语言 , 本博客中证明 通用图灵机语言 不可判定 ;



使用反证法证明 :



图灵机的结果有 3 33 个状态 , 接受状态 , 拒绝状态 , Loop 不停机状态 ;


A T M \rm A_{TM}A

TM


 语言只包含 接受状态 的情况 ;



所有的图灵机 与 自然数集 一样多 , 所有的图灵机 是可以枚举出来的 , M 1 , M 2 , M 3 , ⋯   , M n \rm M_1 , M_2 , M_3, \cdots , M_nM

1


,M

2


,M

3


,⋯,M

n


 图灵机 ;


枚举事务 , 一定有先决条件 , 如自然数集 , 无穷一定是可数的 , 不可数的无穷 , 如实数集 , 不能像上面图灵机一样枚举 , 实数是无法进行枚举的 ;


可以枚举的无穷 , 一定是可数无穷 ; 图灵机个数与自然数一样多 , 是可数无穷 , 因此可以枚举出来 ;



垂直表格中是枚举出来的图灵机 , 水平表格中是图灵机语言的编码 ;


表格中的内容 , 如第一行第一列 , M 1 \rm M_1M

1


 与 < m 1 > <m_1><m

1


> 交叉的项 , 表示 图灵机 M 1 \rm M_1M

1


 在 < m 1 > <m_1><m

1


> 编码上进行运算 , 其运算结果是 接受状态 ;


对角线意外的项都是有结果的 , 与本次证明无关, 省略了 , 接受或拒绝 ;



< m 1 > <m_1><m

1


> < m 2 > <m_2><m

2


> < m 3 > <m_3><m

3


> ⋯ \cdots⋯ < m n > <m_n><m

n


>

M 1 \rm M_1M

1


 接受    

M 2 \rm M_2M

2


  拒绝  

M 3 \rm M_3M

3


   接受  

⋮ \rm \vdots⋮    

M n \rm M_nM

n


     拒绝


假设 : 存在一个 图灵机 H \rm HH , A T M A_{TM}A

TM


 语言 是可判定的 ;


表格中的 图灵机 H \rm HH 的结果是已知的 , 接受 或 拒绝 ;



构造 图灵机 D \rm DD , 根据图灵机语言编码 < m n > \rm <m_n><m

n


> 上的操作 :


图灵机 D \rm DD , 在 m 1 \rm m_1m

1


 编码上的计算结果 , 主要查看第 1 11 行 , 第 1 11 列的 , 即 图灵机 M 1 \rm M_1M

1


 在 < m 1 > <m_1><m

1


> 编码上的结果 , 该计算结果是 接收 的 , 那么 图灵机 D \rm DD 在 < m 1 > <m_1><m

1


> 编码 上的结果就设定相反的结果 , 拒绝 ;


图灵机 D \rm DD , 在 m 2 \rm m_2m

2


 编码上的计算结果 , 主要查看第 2 22 行 , 第 2 22 列的 , 即 图灵机 M 2 \rm M_2M

2


 在 < m 2 > <m_2><m

2


> 编码上的结果 , 该计算结果是 拒绝 的 , 那么 图灵机 D \rm DD 在 < m 2 > <m_2><m

2


> 编码上的结果就设定相反的结果 , 接收 ;


图灵机 D \rm DD , 在 m 3 \rm m_3m

3


 编码上的计算结果 , 主要查看第 3 33 行 , 第 3 33 列的 , 即 图灵机 M 3 \rm M_3M

3


 在 < m 3 > <m_3><m

3


> 编码上的结果 , 如果该计算结果是 接受 的 , 那么 图灵机 D \rm DD 在 < m 3 > <m_3><m

3


> 编码上的结果就设定相反的结果 , 拒绝 ;


⋮ \vdots


图灵机 D \rm DD , 在 m n \rm m_nm

n


 编码上的计算结果 , 主要查看第 n nn 行 , 第 n nn 列的 , 即 图灵机 M n \rm M_nM

n


 在 < m n > <m_n><m

n


> 编码上的结果 , 如果该计算结果是 拒绝 的 , 那么 图灵机 D \rm DD 在 < m n > <m_n><m

n


> 编码上的结果就设定相反的结果 , 接收 ;



构造出的 D \rm DD 一定是图灵机 , 上述描述的算法对应的计算模型就是图灵机 ;



一定存在一个 k \rm kk , 图灵机 D \rm DD 就是 对应的 图灵机 M k \rm M_kM

k


 , 在上述表格对角线位置的结果 , 即在 < m k > \rm <m_k><m

k


> 编码上的计算结果 , 与 图灵机 D \rm DD 的结果是不同的 ;


这样就产生了矛盾 , 图灵机 D \rm DD 的计算结果 是 图灵机 M k \rm M_kM

k


 在 < m k > \rm <m_k><m

k


> 编码上计算结果相反的结果 ; 而这两个图灵机是同一个图灵机 ;



因此假设 "存在一个 图灵机 H \rm HH , A T M A_{TM}A

TM


 语言 是可判定的 " 不成立 ,


通用任务图灵机 H \rm HH , A T M A_{TM}A

TM


 语言 是 不可判定的


目录
相关文章
|
6月前
【代数学作业5】理想的分解:高斯整数环中理想的结构,并根据其范数和素数的性质进行分解
【代数学作业5】理想的分解:高斯整数环中理想的结构,并根据其范数和素数的性质进行分解
83 0
|
机器学习/深度学习 BI 决策智能
线性规划 (一) 线性规划的基本形式及各种概念
线性规划 (一) 线性规划的基本形式及各种概念
392 0
数学问题-反射定律&折射定律的向量形式推导
数学问题-反射定律&折射定律的向量形式推导
198 0
|
机器学习/深度学习
数理逻辑—命题公式及其赋值与分类
数理逻辑—命题公式及其赋值与分类
|
资源调度 Python
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
371 0
【计算理论】图灵机 ( 图灵机图示 | 图灵机形式定义 )
|
资源调度 Serverless vr&ar
【计算理论】计算理论总结 ( 上下文无关文法 ) ★★
【计算理论】计算理论总结 ( 上下文无关文法 ) ★★
198 0
【计算理论】计算理论总结 ( 上下文无关文法 ) ★★
|
机器学习/深度学习 资源调度 算法
【计算理论】计算理论总结 ( 图灵机设计 ) ★★
【计算理论】计算理论总结 ( 图灵机设计 ) ★★
364 0
【计算理论】计算理论总结 ( 图灵机设计 ) ★★
|
资源调度 算法
【计算理论】图灵机 ( 图灵机示例 )
【计算理论】图灵机 ( 图灵机示例 )
363 0
【计算理论】图灵机 ( 图灵机示例 )
|
Windows
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
221 0
【计算理论】计算复杂性 ( 证明 非确定性图灵机 与 确定性图灵机 的时间复杂度 之间的指数关系 )
|
机器学习/深度学习
【组合数学】组合数学简介 ( 组合思想 3 : 上下界逼近 | 上下界逼近示例 Remsey 数 )
【组合数学】组合数学简介 ( 组合思想 3 : 上下界逼近 | 上下界逼近示例 Remsey 数 )
245 0
【组合数学】组合数学简介 ( 组合思想 3 : 上下界逼近 | 上下界逼近示例 Remsey 数 )
下一篇
无影云桌面