编译原理——NFA-->DFA

本文详细介绍了不确定有限自动机(NFA)与确定有限自动机(DFA)的区别及联系,重点阐述了如何通过子集构造法将NFA转换为等价的DFA,并给出了具体的转换步骤与实例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

不确定有限自动机NFA:

    定义:NFA M是一个五元组,M=(S,Σ,δ,S0,F)


              特点:
         (1)初态不唯一
         (2)输入字符包括 
         (3)有向边上可以为字符串

         (4)一个状态对于某个字符,可能有多条输出边,即状态的后继不唯一

确定有限自动机DFA:

    定义:DFA是一个五元组,M=(S,Σ,δ,s0,F)


   特点:
        (1) 初态唯一   
        (2) 输入字符不包括
        (3) 有向边上只有一个字符

        (4) 一个状态对于某个字符,最多只有一条出边

NFA与DFA

  1. DFA 是 NFA 的特例
  2.  对于每个NFA M 存在一个DFA M”使得 L(M)=L(M”)
  3.  NFA缺点:其不确定性使得识别单词符号的速度较慢
  4.  DFA缺点:占用空间太大
  5.  NFA到DFA的变换
        子集构造法

        DFA的一个状态是NFA的一个状态集合


                    子集构造法

1、相关准备

(1)对NFA M 一个新的初态 X 和一个新的终态Y, 将X指向所有的初态,将所有的终态指向Y。
(2)对M的状态转换图进一步替换得到M’,且L(M) = L(M')

2.子集法
(1) ε-closure(q) 从状态q出发,只经ε转换能到达的所有状态的集合
    (a) q∈ε-closure(q);
    (b) 从q出发经任意条ε弧而能到达的任何状态q’∈ε-closure(q) 
(2)ε-closure(I)
      {q’|q’∈ε-closure(q) & q∈I}
(3) Ia=ε-closure(J) a∈∑,其中J为从I中任一状态出发经                      

                     输入符号a所能到达状态结点的全体。

通俗理解:

    (1)概念理解

             I0  初态经过任意条ε弧所到达的状态的状态集

            对move(I0,a)中 a的理解: a为状态转换图中可以推导出的每一个字母,子集构造法中需要对每一个子集都进行move操作,move时只看该状态后的一个状态。

              取空操作:对move后得到的状态集中的每一个状态都进行取空操作。结果集为自身加上ε弧可以走到的所有状态。ε弧为能到达的任意多条

    (2)子集构造法

        (1)初态和终态的添加: 当初态和终态不唯一的时候添加新的初态和终态,边上的元素为ε,唯一时没有添加的必要。

        (2)对初态进行取空操作,得到I0

        (3)从I0开始对每个元素进行move操作后再取空操作,对比取空后的结果集是否已经加入到状态集中。若没有加入,添加为新的状态集。

        (4)反复对新加入的状态集进行move和取空操作。直到所有的状态集都判断完成为止。

        (5)构造DFA,所有的状态集中的状态即为DFA的顶点。move加取空后得到的状态集所指向的状态即为该状态的出边以及出边上的元素。


再放上一个例子:下次看到的时候能让自己立刻明白过程:


子集构造法过程:

    I0=ε-closure({X})={X,5,1}

    ε-closure(Move(I0,a))=ε-closure({5,3})={5,3,1}=I1 

    ε-closure(Move(I0,b))=ε-closure({5,4})={5,4,1}=I2

    ε-closure(Move(I1,a))=ε-closure({5,2,3})={5,2,3,1,6,Y}=I3 
    ε-closure(Move(I
1,b))=ε-closure({5,4})={5,4,1}=I2 

    ε-closure(Move(I
2,a))=ε-closure({5,3})={5,3,1}=I1 
    ε-closure(Move(I
2,b))=ε-closure({5,2,4})={5,2,4,1,6,Y}=I4

    ε-closure(Move(I3,a))=ε-closure({5,2,3,6})={5,2,3,1,6,Y}=I3 

    ε-closure(Move(I3,b))=ε-closure({5,4,6})={5,4,6,1,Y}=I5

     ε-closure(Move(I4,a))=ε-closure({5,3,6})={5,3,1,6,Y}=I6 
    ε-closure(Move(I4,b))=ε-closure({5,2,4,6})={5,2,4,6,1,Y}=I4

    ε-closure(Move(I5,a))={5,3,1,6,Y}=I6 
    ε-closure(Move(I5,b))={5,2,4,6,1,Y}=I4

    ε-closure(Move(I6,a))={5,3,1,2,6,Y}=I3        

    ε-closure(Move(I6,b))={5,4,6,1,Y}=I5


 确定有限自动机的化简—合并等价的状态:

    最小化的思路:
        (1)将M的状态集合分成一些不相交的子集,
        使任何不同的两个子集的状态都是可区别的,
        而同一子集中的任何两个状态都是等价的。
        (2)最后,在每个子集选出一个代表,同时消去其他等价状态。

1. 实验内容 每一个正规集都可以由一个状态数最少的DFA所识别,这个DFA是唯一的(不考虑同构的情况)。任意给定的一个DFA,根据以下算法设计一个C程序,将该DFA 化简为与之等价的最简DFA。 2. 实验设计分析 2.1 实验设计思路 根据实验指导书和书本上的相关知识,实现算法。 2.2 实验算法 (1)构造具有两个组的状态集合的初始划分I:接受状态组 F 和非接受状态组 Non-F。 (2)对I采用下面所述的过程来构造新的划分I-new. For I 中每个组G do Begin 当且仅当对任意输入符号a,状态s和读入a后换到I的同一组中; /*最坏情况下,一个状态就可能成为一个组*/ 用所有新形成的小组集代替I-new中的G; end (3)如果I-new=I,令I-final=I,再执行第(4)步,否则令I=I=new,重复步骤(2)。 (4)在划分I-final的每个状态组中选一个状态作为该组的代表。这些代表构成了化简后的DFA M'状态。令s是一个代表状态,而且假设:在DFA M中,输入为a时有从s到t换。令t所在组的代表是r,那么在M’中有一个从s到r的换,标记为a。令包含s0的状态组的代表是M’的开始状态,并令M’的接受状态是那些属于F的状态所在组的代表。注意,I-final的每个组或者仅含F中的状态,或者不含F中的状态。 (5)如果M’含有死状态(即一个对所有输入符号都有刀自身的换的非接受状态d),则从M’中去掉它;删除从开始状态不可到达的状态;取消从任何其他状态到死状态的换。 。。。。。。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值