Programas y m quinas de turing
This presentation is the property of its rightful owner.
Sponsored Links
1 / 52

Programas y Máquinas de Turing PowerPoint PPT Presentation


  • 122 Views
  • Uploaded on
  • Presentation posted in: General

Programas y Máquinas de Turing. Roberto Moriyón. Algoritmos: Orígenes de la palabra. Al-Khwārizmī, astrónomo y matemático persa, escribió en 825 un tratado en árabe sobre el Cálculo con Cifras Indúes , que se tradujo al latín en el siglo XII como Algoritmos con números indios .

Download Presentation

Programas y Máquinas de Turing

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Programas y m quinas de turing

Programas yMáquinas de Turing

Roberto Moriyón


Algoritmos or genes de la palabra

Algoritmos: Orígenes de la palabra

  • Al-Khwārizmī, astrónomo y matemático persa, escribió en 825 un tratado en árabe sobre el Cálculo con Cifras Indúes, que se tradujo al latín en el siglo XII como Algoritmos con números indios.

  • La raíz es la misma que la de la palabra Álgebra.


Algoritmos definici n y tipos

Algoritmos: Definición y tipos

  • Conjunto de instrucciones (en un lenguaje entendido por “la computadora”, una máquina o persona) que especifica las operaciones para procesar una información de entrada arbitraria, y producir una información de salida deseada.

    • Información: Datos (números, cadenas de caracteres)

    • Tipos de algoritmos: Procedimientos para realizar tareas, recetas de cálculo, …


Diversidad de tipos de datos

Diversidad de tipos de datos

  • Los tipos de datos que se utilizan en los distintos mecanismos computacionales son equivalentes: cadenas de caracteres, números en diferentes representaciones, ... (excepción: el Lambda-Cálculo)

  • La equivalencia anterior no es válida si nos interesa la eficiencia algorítmica.

  • Otros tipos de datos no se pueden (o no se saben) tratar computacionalmente: estado instantáneo de un ser vivo, …


Tipos de datos

Tipos de datos

  • Los programas son datos y definen funciones

  • Normalmente usaremos cadenas de caracteres

  • A menudo nos restringiremos a cálculos sobre cadenas que son programas

  • Así pues, a menudo los datos serán programas y definirán funciones

  • P(P1, …, Pn): aplicación de la función de P


Algoritmos or genes del concepto

Algoritmos: Orígenes del concepto

  • Algoritmos concretos: se conocen desde antes de nuestra era

    • Método de Euclides para calcular el máximo común divisor de dos números

    • Método de Eratóstenes para obtener la lista de los números primos

  • El concepto de algoritmo data del primer tercio del siglo XX.


Mecanismos computacionales

Mecanismos computacionales

  • Lenguajes de programación

  • Máquinas de Turing (Turing) y variantes

  • Gramáticas (Chomsky)

  • Funciones recursivas (Gödel, Herbrandt)

  • Lambda-cálculo (Church)

  • Sistemas canónicos de reescritura (Post)

  • Computación cuántica, …


Mecanismos computacionales ii

Mecanismos computacionales, II

  • Algunos de los mecanismos anteriores (lenguajes de programación, máquinas de Turing indeterministas, funciones recursivas, lambda cálculo) se utilizan para definir funciones.

  • Otros (máquinas de Turing indeterministas, gramáticas, reglas de reescritura) se utilizan para reconocer la pertenencia a conjuntos de datos (normalmente cadenas de caracteres).


Mecanismos computacionales funciones

Mecanismos computacionales: Funciones

  • Casi todos los mecanismos anteriores permiten definir funciones.

  • Pueden ser funciones sobre cadenas de caracteres, sobre números o sobre funciones

  • A veces al calcular el valor de la imagen de un dato (cadena, número o función) mediante una función no se obtiene ningún valor porque el cálculo nunca termina

  • Las funciones definidas a partir de mecanismos computacionales son funciones parciales sobre un dominio universal (*, , )


Mecanismos computacionales funciones ii

Mecanismos computacionales: Funciones, II

  • Distintos programas pueden definir la misma función.

  • Por ejemplo, hay infinitos programas que nunca paran, y todos ellos definen la función de dominio vacío.

  • No todas las funciones en el sentido matemático se pueden definir a partir de un mecanismo computacional. Lo veremos más adelante.


Mecanismos computacionales funciones iii

Mecanismos computacionales: Funciones, III

  • Ejemplo: Dada una máquina de Turing M con alfabeto , definimos la función

    an, si M para sobre w

    f(w) =

     en caso contrario

    donde n es el número de pasos que da la máquina antes de pararse a partir de w.

  • A priori no está claro cómo definir f mediante un mecanismo computacional.


Mecanismos computacionales funciones iv

Mecanismos computacionales: Funciones, IV

  • El ejemplo anterior tiene trampa: todo depende de cuál sea la máquina M.

  • Por ejemplo, si M calcula a|w| directamen-te, f se calcula mediante la misma M.

  • Si M se mete siempre en un bucle infinito, f se puede calcular mediante la máquina que borra el contenido de la cinta.

  • Hay alguna máquina M para la que f no se puede calcular mediante otra máquina?


Mecanismos computacionales funciones v

Mecanismos computacionales: Funciones, V

  • Otro ejemplo: Hasta 1995 no se sabía cómo calcular la función f(n), que calcula el “primer” valor no trivial de x, y y z tal que xn+yn=zn a menos que no exista, en cuyo caso le hace corresponder x(n)=0, y(n)=0, z(n)=0. Tras la demostración del teorema de Fermat por Wiles, se sabe que f(2)=(3,4,5) y f(n)=(0,0,0) si n2.


Mecanismos computacionales funciones vi

Mecanismos computacionales: Funciones, VI

  • Un mecanismo computacional es más potente que otro cuando permite calcular más funciones.

  • Teorema: Las máquinas de Turing, los lenguajes de programación, las funciones recursivas y el cálculo lambda tienen la misma potencia computacional.


Tesis de church

Tesis de Church

  • No hay ningún mecanismo computacional más potente que los anteriores.

  • No es una afirmación demostrable, pues no hay una definición rigurosa y absoluta de mecanismo computacional.


Lenguajes de programaci n

Lenguajes de programación

  • Qué os puedo decir que no sepáis ya?

  • Pueden entrar en bucles interminables.

  • Es imprevisible cuándo lo hacen.

  • Incluso es imposible distinguir cuándo están dentro de un bucle interminable y cuándo están ejecutando un algoritmo complejo.

  • En teoría permiten definir todas las funciones calculables (o recursivas).


Lenguajes de programaci n ii

Lenguajes de programación, II

  • Lenguajes minimales:

    • Variables

    • Tipos de datos básicos (números, cadenas)

    • Operaciones y condiciones básicas (incremento, anteposición, igualdad, …)

    • Instrucciones (asignación, condicional)

    • Etiquetas y redireccionamiento.

  • Posibilidad adicional: Definición de funciones y recursividad.


Cuestiones

Cuestiones

  • La definición no recursiva de funciones añade potencia a un lenguaje de programación?

  • La recursividad añade potencia a un lenguaje de programación con funciones?

  • La eliminación de etiquetas y redireccionamiento resta potencia a un lenguaje de programación con recursividad?


Lenguajes de programaci n autoaplicaci n

Lenguajes de programación: Autoaplicación

  • En un lenguaje de programación que admite cadenas de caracteres, los programas pueden ser datos sobre los que se corren otros programas.

  • Ejemplos:

    • Programa que calcula la cantidad de variables que aparecen en otro programa.

    • Programa que calcula el tiempo(P,D) que tardará otro programa al ejecutarse sobre unos datos dados.

    • Programa que calcula el resultado(P,D) de ejecutar otro programa sobre unos datos dados.

  • Observación: Los ejemplos anteriores definen funciones matemáticas (parciales). Hay programas que las implementan.


Cuestiones1

Cuestiones

  • Cómo se puede implementar un programa que calcula la cantidad de variables que aparecen en otro programa?


Cuestiones2

Cuestiones

  • Cómo se puede implementar un programa que calcula el tiempo que tarda el programa

    int y = 0;

    while (x>0) {

    x -= 2;

    y++; }

    return y;

    al ejecutarse sobre unos datos?


Cuestiones3

Cuestiones

  • Cómo se puede implementar un programa como el anterior de manera sistemática, que sirva también para otros programas?


Cuestiones4

Cuestiones

  • Cómo se puede implementar un programa que emula el funcionamiento de otro programa cualquiera a partir de unos datos arbitrarios?


Cuestiones5

Cuestiones

  • Cómo se puede implementar un programa que determina si otro programa arbitrario no termina nunca de ejecutarse a partir de unos datos arbitrarios?


Cuestiones6

Cuestiones

  • Criticar el siguiente procedimiento para construir una función que no sea calculable:

    • Construimos un programa P que ordena los programas, {Pn}, por ejemplo por orden lexicográfico (no alfabético!!!).

    • Construimos otro programa w que ordena un conjunto infinito de cadenas de caracteres, {wn}, por ejemplo por orden lexicográfico.

    • Definimos f(wn)=“0”+resultado(Pn, wn).


Observaci n

Observación

  • En el caso particular en que el conjunto de cadenas que elegimos es el de todos los programas, es decir que wn sea el n-ésimo programa por orden lexicográfico, el mismo orden en ambos casos, la construcción anterior es

    f(Q)=“0”+resultado(Q, Q).


Cuestiones7

Cuestiones

  • Criticar el siguiente procedimiento para construir una función que no sea calculable:

    • Construimos un programa P que ordena los programas, {Pn}, por ejemplo por orden lexicográfico (no alfabético!!!).

    • Construimos otro programa w que ordena un conjunto infinito de cadenas de caracteres, {wn}, por ejemplo por orden lexicográfico.


Cuestiones8

Cuestiones

  • Definimos

    • f(wn)=“0” si Pn no se para en tiempo finito a partir de wn.

    • f(wn)=“0”+resultado(Pn, wn) en caso contrario.


Cuestiones9

Cuestiones

  • Lo anterior permite implementar un programa que define una función no calculable? Por qué no?


Observaci n1

Observación

  • En el caso particular en que el conjunto de cadenas que elegimos es el de todos los programas, con el mismo orden en ambos casos, la construcción anterior es

    • f(P)=“0” si P no se para en tiempo finito a partir de P.

    • f(P)=“0”+resultado(P, P) en caso contrario.

  • Por lo anterior, la condición “P no se para sobre P” no es calculable.


Diagonalizaci n

Diagonalización

  • Los argumentos anteriores son ejemplos concretos de un tipo de demostración genérico que se utiliza en ámbitos distintos. Hay más ejemplos.


Diagonalizaci n ii

Diagonalización, II

  • Si fn:XY, n0, son funciones, y1,y2Y,

    y1 y2 y {xn}n0 son elementos distintos dos a dos de X, entonces la función

    y1 si x=xn y fn(x)=y2

    f(x)=

    y2 en caso contrario

    es diferente de todas las fn.

    Demostración: Por definición, fn(xn)f(xn).


Diagonalizaci n iii

Diagonalización, III

  • Si {xn}n0 son números reales entre 0 y 1, hay otros que no están en la sucesión.

    La idea es la misma del ejemplo anterior, con

    fn(x)=[2nx]%2 (n-ésima cifra binaria de x):

    x0 = 0,x00x01x02x03…

    x1 = 0,x10x11x12x13…

    x2 = 0,x20x21x22x23…

    x3 = 0,x30x31x32x33…

    y = 0,y00y11y22y33…

    (ykk = 1 – xkk)


M quinas de turing

Máquinas de Turing

  • Mecanismo basado en una máquina de estados con acceso a una cinta infinita de lectura y escritura que permite definir algoritmos generales sobre cadenas de caracteres.

  • Estados iniciales y finales, función de transición.

  • Se pueden utilizar para reconocer palabras con un criterio de aceptación o para generarlas a partir de otras.


Ejercicios

Ejercicios

  • [T1] Programar una máquina de Turing que elimina los ceros de un número binario, dejando solamente los unos sin espacios entre medio.

  • [T2] Programar una máquina de Turing que acepte palabras de la forma (ab)n.

  • [T3] Programar una máquina de Turing que reconoce las palabras que tienen tantas aes como bes.


Ejercicio

EJERCICIO

  • [PILA] Dar un autómata a pila que reconozca al lenguaje {anbcn | n>0} y una máquina de Turing que emule al autómata a pila.


Utilizaci n de mdt

Utilización de MdT

  • Un lenguaje L es computable si hay una MdT que reconoce cuándo wL y otra que reconoce cuándo wL.

  • Una función f es computable si hay una MdT que reconoce cuándo f(x)=y y otra que reconoce cuándo f(x)y (es decir, si el lenguaje

    L={v + “:” + f(v) | v  }

    es computable).


Variaciones de mdt

Variaciones de MdT

  • Indeterministas (para reconocimiento de lenguajes).

  • Con submáquinas (no recursivas o recursivas).

  • Con varias cintas.

  • Con cinta limitada por un lado.

  • Con un alfabeto de dos símbolos.

  • Con infinitas cintas (superficie cuadriculada)

    Todas ellas son computacionalmente equivalentes a las MdT normales.


Ejercicios1

Ejercicios

  • [T4] Programar una máquina de Turing con submáquinas que acepte palabras que o bien pertenecen al lenguaje del ejercicio T2 o están formadas únicamente por aes.

  • [T5] Programar una máquina de Turing con submáquinas que acepte palabras tales que al separarlas en varias subpala-bras separadas por ces, cada palabra resultante pertenezca al lenguaje anterior.


M quinas de turing con subm quinas

Máquinas de Turing con submáquinas

  • La ejecución de una transición con una submáquina en una máquina de Turing es como sigue:

    • Si la submáquina es determinista, se ejecuta a partir del contenido de la cinta. Si la submáquina tiene éxito, se da por terminada la transición de la máquina inicial.

    • Si la submáquina es indeterminista, la máquina inicial puede pasar indeterministamente a contener en la cinta cada uno de los contenidos de la cinta en la submáquina en estados de aceptación, pasando al estado siguiente.


M quinas de turing con subm quinas ii

Máquinas de Turing con submáquinas, II

  • Lo anterior se puede describir mediante pasos atómicos como sigue:

    • En cada momento de la ejecución hay una pila de máquinas en funcionamiento, cada una apuntando a una casilla de la cinta.

    • En cada paso si es posible se ejecuta una transición de la máquina que está sobre la pila. Si la transición tiene asociada una submáquina, se pone en marcha con la misma cinta y se introduce sobre la pila. Si no se puede aplicar ninguna transición, en caso de que la última máquina esté en un estado final (de aceptación) se extrae de la pila.

    • La máquina tiene éxito si la pila se queda vacía.

  • La forma de ejecución anterior se puede aplicar también en el caso de MdT con submáquinas y recursividad.


Ejercicio1

EJERCICIO

[SUBMÁQUINA]

  • Dar una máquina de Turing con submáquinas y otra máquina de Turing sin submáquinas que emule a la primera.

  • Se puede aplicar el mismo procedimiento a cualquier máquina de Turing con submáquinas? Debería estar claro cómo generalizar la construcción a cualquier otra MdT con submáquinas.


Ejercicio2

EJERCICIO

[VARIAS CINTAS]

  • Describir el funcionamiento de una MdT con varias cintas.

  • Dar un ejemplo de una MdT que utilice dos cintas y otra MdT normal que emule a la primera. Debería estar claro cómo generalizar la construcción a cualquier otra MdT con varias cintas.


Ejercicios2

EJERCICIOS

  • [CINTA LIMITADA] Dar un ejemplo de una MdT con cinta limitada por la izquierda y otra MdT normal que la emule. Debería estar claro cómo generalizar la construcción a cualquier otra MdT con cinta limitada por la izquierda.

  • [SÍMBOLOS] Dar un ejemplo de una MdT con 3 símbolos y otra con 2 símbolos que la emule. Debería estar claro cómo generalizar la construcción a cualquier otra MdT con más de 3 símbolos.


Codificaci n de mdt

Codificación de MdT

  • Las máquinas de Turing se pueden codificar codificando cada transición y concatenando los resultados con separadores.

  • De esta forma se define un lenguaje de programación en el que hay tres variables: El estado de la máquina y las dos partes en que se divide la cinta.


Ejemplo de codificaci n de mdt y de sus estados instant neos

aa+

0

1

ba-

aa+

ba-

aa+

ba-

4

2

ba-

ba-

aa+

aa+

3

Ejemplo de codificación de MdT y de sus estados instantáneos

EstIni.EstFin

;Trans,…

:Cinta1EstadoCinta2

0.24

;0a1a+,0b4a-,1a2a+,1b0a-,2a3a+,2b1a-,3a4a+,3b2a-,4a0a+,4b3a-

:aa2bab


M quina de turing universal

0

:Comprueba

AplicaTransición

2

1

BuscaTransición

Máquina de Turing universal

  • Hay máquinas de Turing capaces de emular el funcionamiento de otras cualesquiera a partir de su codificación.


Cuesti n

Cuestión

  • Comparar lo anterior con la emulación de programas.


Ejercicio3

EJERCICIO

  • [BUSCA TRANSICIÓN] Escribir la submáquina BuscaTransición de la MTU

  • [APLICA TRANSICIÓN] Escribir la submáquina AplicaTransición de la MTU

  • [COMPRUEBA] Escribir la submáquina Comprueba de la MTU


Ejercicios3

EJERCICIOS

  • [EMULA DETERMINISTA] Dar una MdT indeterminista y otra MdT determinista que emula su funcionamiento.

  • [MTU DETERMINISTA] Dar una MdT determinista que emule el funcionamiento de una MdT arbitraria, determinista o no


Problema de la parada

Problema de la parada

  • Dada una MdT M y una palabra w, ¿llega M a un estado de parada a partir de w?

  • Solución del problema: Sería

    • MdT que, al ejecutarse sobre una codificación de M + w, se para si y sólo si M no lo hace a partir de w.

  • No tiene solución.

    Demostración: Análoga al caso de programas.


Ejercicio4

EJERCICIO

  • [PARA PARA 1] Suponiendo que el problema de la parada tuviera solución, escribir una MdT, PP, que utilice a la anterior como submáquina que, al ejecutarse sobre la codificación de otra MdT M + una palabra w, se pare en el estado 0 si M lo hace sobre w, y en ese caso deje sobre la cinta el valor calculado por M, y se pare en el estado 1 si M no lo hace sobre w.


  • Login