【计算理论】可判定性 ( 通用图灵机和停机问题 | 可判定性 与 可计算性 | 语言 与 算法模型 )

简介: 【计算理论】可判定性 ( 通用图灵机和停机问题 | 可判定性 与 可计算性 | 语言 与 算法模型 )

文章目录

一、通用图灵机和停机问题

二、可判定性 与 可计算性

三、语言 与 算法模型





一、通用图灵机和停机问题


利用 图灵 的结论 , 证明 有哪些 计算问题 是找不到 算法 进行判定的 ; 如 停机问题 , 就找不到算法进行判定 ;



停机问题 : 设计一个程序 , 帮助判定 “给定一个程序 , 该程序是否会停机” ;


① 如果知道该程序 不会停机 , 就强制停止该程序 ;


② 如果知道该程序 会停机 , 就耐心等待该程序执行完毕 ;



上述 “能判定程序是否会停机” 的程序 , 是不存在的 ;






二、可判定性 与 可计算性


可判定性 与 可计算性


① 可判定性 ( Decidability ) : 计算模型是 图灵机中的 判定机 ;


② 可计算性 ( Turing-recognizable 图灵机可接受的 ) : 计算模型是 图灵机 ;


可计算性 包含 可判定性 ;



可计算性 与 可判定性 之间的相互关系 :


补集可计算 : 如果一个语言的 补集 ( Complement ) 是可计算的 ( Turing-recognizable ) , 那么称该语言是 补集可计算的 ( co-Turing-recognizable ) ;


判定 = 可计算 + 补集可计算 : 如果一个语言是 可判定的 ( Decidable ) , 那么这个语言是 可计算的 ( Turing-recognizable ) , 同时这个语言又是 补集是可计算的 ( co-Turing-recognizable ) ;



可计算 : Turing-recognizable


补集可计算 : co-Turing-recognizable



之前提到过 通用图灵机语言 A T M \rm A_{TM}A

TM


 是 可计算的 , 对应的计算模型是 图灵机 , 但 A T M \rm A_{TM}A

TM


 是 不可判定的 ;


可判定 = 可计算 + 补集可计算


通用图灵机语言 A T M \rm A_{TM}A

TM


 是 不可判定的 , 可计算的 , 其补集肯定是不可计算的 ;






三、语言 与 算法模型


语言 与 算法模型 :


① 正则语言 ( 自动机 ) : L r = L ( a ∗ b ∗ ) \rm L_r = L(a^*b^*)L

r


=L(a

b

) , 该语言是正则表达式语言 ; r \rm rr 下标含义是 regular 正则 ;


正则语言参考 : 【计算理论】正则语言 ( 正则表达式原子定义 | 正则表达式递归定义 | 正则表达式语言原子定义 | 正则表达式语言结构归纳 | 正则表达式语言示例 | 根据正则表达式构造自动机 )



② 上下文无关语言 ( 下推自动机 ) : L C F L = { a n b n : n ≥ 0 } \rm L_{CFL} = \{ a^nb^n : n \geq 0 \}L

CFL


={a

n

b

n

:n≥0} , 该语言不是正则表达式语言 , 是上下文无关语言 ; 下标 C F L \rm CFLCFL 含义是 Context-Free Grammer , 上下文无关语法 ;


上下文无关语法参考 : 【计算理论】上下文无关语法 ( 语法组成 | 规则 | 语法 | 语法示例 | 约定的简写形式 | 语法分析树 )



③ 可判定语言 ( 判定机 ) : L d = { a n b n c n : n ≥ 0 } \rm L_{d} = \{ a^nb^nc^n : n \geq 0 \}L

d


={a

n

b

n

c

n

:n≥0} , 该语言不是上下文无关语言 , 是可判定语言 ; 下标 d \rm dd 含义是 Decidability 可判定 ;


可判定语言参考 : 【计算理论】可判定性 ( 丘奇-图灵论题 | 可判定性引入 | 图灵机语言 | 图灵机结果 | 判定机 | 部分函数与全部函数 | 可判定性定义 )



④ 可计算语言 ( 图灵机 ) : L T r = A T M \rm L_{Tr} = A_{TM}L

Tr


=A

TM


 , 该语言是可计算的 , 不是图灵可判定的 ; 下标 T r \rm TrTr 含义是 Turing-recognizable ( 图灵机可识别 ) 即可计算的 ;


⑤ 不可计算语言 ( 没有对应算法模型 ) : L n T r = A ‾ T M \rm L_{nTr} = \overline{A}_{TM}L

nTr


=

A

 

TM


 , 图灵机不识别语言 , 不可计算语言 ;


目录
相关文章
|
1月前
|
传感器 算法 计算机视觉
基于肤色模型和中值滤波的手部检测算法FPGA实现,包括tb测试文件和MATLAB辅助验证
该内容是关于一个基于肤色模型和中值滤波的手部检测算法的描述,包括算法的运行效果图和所使用的软件版本(matlab2022a, vivado2019.2)。算法分为肤色分割和中值滤波两步,其中肤色模型在YCbCr色彩空间定义,中值滤波用于去除噪声。提供了一段核心程序代码,用于处理图像数据并在FPGA上实现。最终,检测结果输出到"hand.txt"文件。
|
1天前
|
移动开发 算法 数据可视化
数据分享|Spss Modeler关联规则Apriori模型、Carma算法分析超市顾客购买商品数据挖掘实例
数据分享|Spss Modeler关联规则Apriori模型、Carma算法分析超市顾客购买商品数据挖掘实例
|
3天前
|
机器学习/深度学习 算法 搜索推荐
Python用机器学习算法进行因果推断与增量、增益模型Uplift Modeling智能营销模型
Python用机器学习算法进行因果推断与增量、增益模型Uplift Modeling智能营销模型
30 12
|
9天前
|
算法 Serverless
如何实现马尔可夫链蒙特卡罗MCMC模型、Metropolis算法?
如何实现马尔可夫链蒙特卡罗MCMC模型、Metropolis算法?
14 0
|
10天前
电信公司churn数据客户流失k近邻(knn)模型预测分析
电信公司churn数据客户流失k近邻(knn)模型预测分析
18 0
|
11天前
|
算法
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
20 0
|
14天前
|
机器学习/深度学习 人工智能 达摩院
52个AIGC视频生成算法模型介绍(上)
52个AIGC视频生成算法模型介绍(上)
42 3
|
29天前
|
算法
算法沉淀 —— 动态规划篇(斐波那契数列模型)
算法沉淀 —— 动态规划篇(斐波那契数列模型)
24 0
|
1月前
|
自然语言处理 算法 搜索推荐
用计算机语言表示算法
在计算机科学中,算法是解决问题的核心步骤和方法的描述。然而,算法本身并不直接执行;它们需要被转换成计算机可以理解和执行的指令,这通常是通过编写代码来实现的。不同的计算机语言提供了不同的方式来表示和实现算法。本文将讨论如何使用计算机语言来表示算法,并通过一个具体示例来展示这个过程。
14 0
|
1月前
|
机器学习/深度学习 数据采集 算法
构建高效机器学习模型:从数据处理到算法优化
【2月更文挑战第30天】 在数据驱动的时代,构建一个高效的机器学习模型是实现智能决策和预测的关键。本文将深入探讨如何通过有效的数据处理策略、合理的特征工程、选择适宜的学习算法以及进行细致的参数调优来提升模型性能。我们将剖析标准化与归一化的差异,探索主成分分析(PCA)的降维魔力,讨论支持向量机(SVM)和随机森林等算法的适用场景,并最终通过网格搜索(GridSearchCV)来实现参数的最优化。本文旨在为读者提供一条清晰的路径,以应对机器学习项目中的挑战,从而在实际应用中取得更精准的预测结果和更强的泛化能力。