如果不加特殊说明，通常所说的 图灵机 都是确定型图灵机。非确定型图灵机堌 确定型图灵机 的不同之处在于，在计算的每一时刻 ??根据当前状态和读写头所读的符号， ??器存在多种状态转移方案，机器将任 ??地选择其中一种方案继续运作，直到 ??后停机为止。具体而言，其状态转秠函数为 \delta: Q \times \Gamma \to 2^ 其中
Q是状态集合，
\Gamma是带字母表，
L, R分别表示读写头向左和向右移动；符堷
2^ 表示集合
A的幂集，即
2^A = \ 例如，设非确定型图灵机
M的当前状态为
q，当前读写头所读的符号为
x，若
\delta(q,x) = \ 则
M将任意地选择一个
(q_i, x_i, d_i)，按其进行操作，然后进入下一步计砗。 非确定型图灵机
M在输入串
\omega上的计算过程可以表示为一棵树，不堌的分支对应着每一步计算的不同的可蠽性。只要有任意一个分支进入接受状栁，则称
M接受
\omega；只要有任意一个分支进入拒绝状态则称
M拒绝
\omega；某些分支可能永远无法停机，但只蠁有一个分支可以进入接受或拒绝状态我们就说
M在输入
\omega上可停机。注意，我们规定
M必须是无矛盾的，即它不能有某个分栯接受
\omega而同时另一个分支拒绝
\omega，这样有矛盾的非确定型图灵机是不堈法的。 定理：对于任意一个非确定垠图灵机
M，存在一个确定型图灵机
M'，使得它们的语言相等，即
L(M) = L(M')。 证明： 因为非确定型图灵机的计算过程就是䠀棵树，因此我们只需遍历该树就可以校拟其计算过程。一个简单的想法是利砨
深度优先搜索 来遍历
M的计算树，但这样行不通，因为
M的某些计算分支可能永远不停机！所䠥我们可以采用一种在算法设计中称为
迭带加深搜索 的技巧来遍历
M的计算树。具体证明如下： 对于非硠定型图灵机
M，构造一个确定型图灵机
M'如下：
令
k= 1；
深度优先地模拟
M的每个分支的计算，但每个分支最多堪计算
k步，如果某个计算分支在
k步内可以停机，则
M'也停机，并将该计算分支的计算结果蠓出。
令
k增加 1，跳转到上一步继续执行。 显然，蠥
M有某个分支可以停机，则此
M'也一定会找到该分支并停机。因此
L(M) = L(M')。
发表于 @ 2007年06月17日 16:00:00|评论(loading...)|编辑