Handout - Institut für Theoretische Informatik - Technische ...
Handout - Institut für Theoretische Informatik - Technische ... Handout - Institut für Theoretische Informatik - Technische ...
5. Unentscheidbare Probleme 5.1 Universelle Turingmaschine Beispiel Eine Binärmaschine M 0 mit zwei Übergängen hat einem Code der Form c(M) = 111001w 0 1w 1 111 . Etwa Satz 〈q 0 , 1〉 ↦→ 〈q 1 , L〉 entspricht w 0 = 10100010010000 〈q 1 , #〉 ↦→ 〈q 1 , 1〉 entspricht w 1 = 100101001000 Die Sprachen xC = { c(M) : M ist eine binäre xTM } , x ∈ {n, d} , der Codes (nicht)deterministischer TM’n sind entscheidbar. Beweis. Das entspricht einem Syntaxcheck: Randbegrenzer 111 überprüfen, Zustandszahl n auslesen, Übergangscodes w j separieren und auf Konsistenz prüfen. Im deterministischen Fall ist noch sicherzustellen, daß verschiedene Übergänge verschiedene linke Seiten haben. Jürgen Koslowski (TU-BS) Theoretische Informatik 2 SS 2012 82 / 215
5. Unentscheidbare Probleme 5.1 Universelle Turingmaschine Beispiel Wir erinnern an die nicht semi-entscheidbare Sprache L code := { w ∈ {0, 1} ∗ : w = c(M) für eine TM M mit w /∈ L(M) } Die Maschine M 0 aus obigem Beispiel akzeptiert ihren eigenen Code, da sie nach einem Schritt im Endzustand q 1 hält. Folglich gilt c(M 0 ) /∈ L code . Eine ähnliche Maschine M 1 mit den Übergängen 〈q 0 , 1〉 ↦→ 〈q 0 , #〉 und 〈q 0 , #〉 ↦→ 〈q 0 , R〉 erfüllt hingegen c(M 1 ) ∈ L code , da sie nie hält. Wir rekapitulieren die Anforderungen an M U für legale Eingaben c(M)w : ⊲ M U hält auf c(M)w gdw. M hält auf w , und wenn die Maschinen halten, dann mit identischer Ausgabe. ⊲ M U akzeptiert c(M)w gdw. M akzeptiert w . Jürgen Koslowski (TU-BS) Theoretische Informatik 2 SS 2012 83 / 215
- Seite 31 und 32: 3. Turingmaschinen 3.1 Entscheidbar
- Seite 33 und 34: 3. Turingmaschinen 3.2 Die Chomsky-
- Seite 35 und 36: 3. Turingmaschinen 3.2 Die Chomsky-
- Seite 37 und 38: 3. Turingmaschinen 3.3 Abschlußeig
- Seite 39 und 40: 3. Turingmaschinen 3.4 Turing-berec
- Seite 41 und 42: 3. Turingmaschinen 3.4 Turing-berec
- Seite 43 und 44: 3. Turingmaschinen 3.4 Turing-berec
- Seite 45 und 46: 3. Turingmaschinen 3.4 Turing-berec
- Seite 47 und 48: 4. Church-Turing-These Kapitel 4 Di
- Seite 49 und 50: RAM 4. Church-Turing-These 4.1 RAM
- Seite 51 und 52: 4. Church-Turing-These 4.1 RAM Beim
- Seite 53 und 54: 4. Church-Turing-These 4.1 RAM 4.1.
- Seite 55 und 56: 4. Church-Turing-These 4.1 RAM 4.1.
- Seite 57 und 58: 4. Church-Turing-These 4.1 RAM Bewe
- Seite 59 und 60: 4. Church-Turing-These 4.2 Rekursiv
- Seite 61 und 62: 4. Church-Turing-These 4.2 Rekursiv
- Seite 63 und 64: 4. Church-Turing-These 4.2 Rekursiv
- Seite 65 und 66: 4. Church-Turing-These 4.2 Rekursiv
- Seite 67 und 68: 4. Church-Turing-These 4.2 Rekursiv
- Seite 69 und 70: 4. Church-Turing-These 4.2 Rekursiv
- Seite 71 und 72: 4. Church-Turing-These 4.2 Rekursiv
- Seite 73 und 74: 4. Church-Turing-These 4.2 Rekursiv
- Seite 75 und 76: 4. Church-Turing-These 4.2 Rekursiv
- Seite 77 und 78: 5. Unentscheidbare Probleme Kapitel
- Seite 79 und 80: 5. Unentscheidbare Probleme 5.1 Uni
- Seite 81: 5. Unentscheidbare Probleme 5.1 Uni
- Seite 85 und 86: 5. Unentscheidbare Probleme 5.2 Das
- Seite 87 und 88: 5. Unentscheidbare Probleme 5.2 Das
- Seite 89 und 90: 5. Unentscheidbare Probleme 5.3 Wei
- Seite 91 und 92: 5. Unentscheidbare Probleme 5.3 Wei
- Seite 93 und 94: 5. Unentscheidbare Probleme 5.3 Wei
- Seite 95 und 96: 5. Unentscheidbare Probleme 5.3 Wei
- Seite 97 und 98: 5. Unentscheidbare Probleme 5.4 Sat
- Seite 99 und 100: 5. Unentscheidbare Probleme 5.4 Sat
- Seite 101 und 102: 6. Komplexität von Algorithmen Kap
- Seite 103 und 104: 6. Komplexität von Algorithmen 6.0
- Seite 105 und 106: 6. Komplexität von Algorithmen 6.0
- Seite 107 und 108: 6. Komplexität von Algorithmen 6.1
- Seite 109 und 110: 6. Komplexität von Algorithmen 6.1
- Seite 111 und 112: 6. Komplexität von Algorithmen 6.1
- Seite 113 und 114: 6. Komplexität von Algorithmen 6.1
- Seite 115 und 116: 6. Komplexität von Algorithmen 6.1
- Seite 117 und 118: 6. Komplexität von Algorithmen 6.1
- Seite 119 und 120: 6. Komplexität von Algorithmen 6.1
- Seite 121 und 122: 6. Komplexität von Algorithmen 6.2
- Seite 123 und 124: 6. Komplexität von Algorithmen 6.2
- Seite 125 und 126: 6. Komplexität von Algorithmen 6.2
- Seite 127 und 128: 6. Komplexität von Algorithmen 6.2
- Seite 129 und 130: 6. Komplexität von Algorithmen 6.3
- Seite 131 und 132: 6. Komplexität von Algorithmen 6.3
5. Unentscheidbare Probleme 5.1 Universelle Turingmaschine<br />
Beispiel<br />
Eine Binärmaschine M 0 mit zwei Übergängen hat einem Code der Form<br />
c(M) = 111001w 0 1w 1 111 . Etwa<br />
Satz<br />
〈q 0 , 1〉 ↦→ 〈q 1 , L〉 entspricht w 0 = 10100010010000<br />
〈q 1 , #〉 ↦→ 〈q 1 , 1〉 entspricht w 1 = 100101001000<br />
Die Sprachen xC = { c(M) : M ist eine binäre xTM } , x ∈ {n, d} , der<br />
Codes (nicht)deterministischer TM’n sind entscheidbar.<br />
Beweis.<br />
Das entspricht einem Syntaxcheck: Randbegrenzer 111 überprüfen,<br />
Zustandszahl n auslesen, Übergangscodes w j separieren und auf<br />
Konsistenz prüfen. Im deterministischen Fall ist noch sicherzustellen, daß<br />
verschiedene Übergänge verschiedene linke Seiten haben.<br />
Jürgen Koslowski (TU-BS) <strong>Theoretische</strong> <strong>Informatik</strong> 2 SS 2012 82 / 215