编译原理（二）词法分析：3.记号的识别―NFA与DFA

---

【编译原理博客列表】》》》》》》

---

两种有限自动机（FA，Finite Automation）:

• NFA（Nondeterministic Finite Automata，不确定的有限自动机）
• DFA （Deterministic Finite Automata，确定的有限自动机）

三种转化形式

• 定义
• 状态转换图
• 状态转换矩

正规式与有限自动机从两个侧面表示正规集：

• 正规式是描述
• 自动机是识别

一、NFA

1.NFA的定义

M =（S，∑，move，s0，F）

左项：

• M：自动机（ autoMata, Machine，）

右项：

• S: M的状态集合（有限个元素）（the Set of States of M）

• ∑：M的字母表（the alphabet of M）
  是由有限个字符（可以包括ε）构成的集合。M 仅能接受/识别其中字符；

• move: 状态转移函数（transition function）
  move(si，ch)=sj 表示 M 处在状态 si 时若遇到输入字符 ch，则转移到（下一）状态 sj。其中 ch 可以是 Σ 中的某个字符（包含 ε，它表示空字符/不需要输入）；

• s0：initial state（start state），（唯一的）初态/开始状态。
  s0是S中的元素，代表识别一个记号的开始；

• F: 终态集/接受状态集（ final states / accepting states）。
  F 是 S 的一个非空子集。识别记号时只要能够到达 F 中某个状态，则认为刚才扫描过的字符串可被 M 接受（即是一个记号）。

提示：

（1）从定义可知，一个 NFA 的终态可以不唯一！

（2）转移函数 move 实际上定义了这样一个映射关系：
$move:S\times (\Sigma \cup ϵ)\to T$
其中集合 T 是 S 的所有子集形成的集合，即 对于给定的一个状态 s 和一个字符 c，其下一状态可能不唯一，这就是“不确定”的表现。

理解：
不确定有限自动机中的有限是指 状态的数量 是有限的。

2.状态转换图（transition diagram）

一个“有向图”：

• NFA中的每个状态，对应转换图中的一个节点；
• NFA中的每个move(si, a)=sj，对应转换图中的一条有向边；
• 表示从节点si出发进入节点sj，字符a(或ε)是边上的标记。
  

绘制状态转换图时应注意初态、终态的特别之处：

状态	注意
	NFA的初态 S0 对应的结点一定是图中唯一没有前驱状态的状态。且它必须由一个“不标记任何字符”的入边。
	为区分终态和非终态，一般将终态画为双圆或加粗的圆。

注意：

• 画完圈，连完状态转换函数的关系后
• 一定要记着给初态加进入→，给终态加双圈或加粗。

3.状态转换矩阵

状态转换矩阵（也称为状态转换表, transition table）是这样一个二维表格：

• （1）行下标（状态）、列下标（字符 或 ε）；

  • 状态转换矩阵每行的行首表示状态集合S中的状态。
  • 状态转换矩阵每列的列首表示字母表∑中的字符。
    字母表中的每个字符对应一列，可用该字符作为该列的列下标。若状态转移函数中存在经过 ε 的转移，则对应列下标用ε表示；

• （2）单元格中的目标状态

  • 单元格 M[si, a] 内：填写状态转移 move(si, a) 的所有目标状态。
  • 在 NFA的矩阵中，采用集合方式书写（一对花括号）。
  • 在 DFA 的矩阵中，不用集合方式书写；
  • NFA中没有对应的状态转移，则填写一个减号-

• （3）初态和终态
  一般让初态对应第1行，而终态应在矩阵之外另行说明。
  

4.例题

例2.7：识别正规式(a|b)*abb所描述正规集的NFA的三种表示形式分别如下。(其中转换矩阵表示中0为初态，3为终态)

• 定义：

S={0, 1, 2, 3}, 
Σ={a, b}
move={
	move(0,a)=0, 
	move(0,a)=1, 
	move(0,b)=0,
	move(1,b)=2, 
	move(2,b)=3
	}
s0 = 0,				// 注意，初态只有一个，不用集合花括号 
F={3}				// 注意，终态集可能有多个终态，用集合花括号

• 状态转换矩阵
  
• 状态转换图
  

5.NFA的特点不确定性

即在当前状态下对同一字符有多于一个的下一状态转移。
具体体现：

• 定义： move函数是1对多的；
• 状态转换图：同一状态有多于一条边标记相同字符转移到不同的状态；
• 状态转换矩阵： M[si,a]是一个状态的集合

不确定性识别记号的困惑

识别输入序列时，在当前状态下遇到同一字符，应转移到哪个下一状态？

NFA识别记号存在的问题

• 只有尝试了全部可能的路径，才能确定一个输入序列不被接受，而这些路径的条数随着路径长度的增长成指数增长。
• 识别过程中需要进行大量回溯，时间复杂度升高且算法趋于复杂。

6.NFA识别输入序列的一般方法

反复试探所有路径，直到到达终态，或者到达不了终态。

二、DFA

1.DFA的定义

DFA是NFA的一个特例，所以定义还是M =（S，∑，move，s0，F）
其中特殊在：
（1）没有状态具有ε状态转移(ε-transition)，即状态转换图中没有标记ε的边
（2）对每个状态s和每个字符a，最多有一个下一状态。

2.例题

例2.10 正规式(a|b)*abb的DFA和识别输入序列abb和abab

识别abb：0a1b2b3，接受
识别abab：0a1b2a1b2，拒绝

3.DFA的特征（确定性）

• 定义： move（si, a)函数是1对1的；且字母表不包括ε。
• 转换图： 从一个节点出发的边上标记均不相同；
• 转换矩阵：M[si,a]是一个状态。

4.算法2.1

• 输入：DFA D和输入字符串x(包含eof)。D的初态为s0，终态集为F。
• 输出：若D接受x，回答“yes”，否则回答“no”。
• 方法：用下述过程识别x：

算法2.1：

s:=s0; ch:=nextchar;		-- 初值
while  ch≠eof		 		-- 循环
	loop s:=move(s,ch);  ch:=nextchar; 
	end loop;
if s is in F				-- 返回
	then return "yes"; 
else
	return "no";
end if;

用算法2.1识别abb：

1. s=0, ch=a
2. s=1, ch=b
3. s=2, ch=b
4. s=3, ch=eof
5. yes

用算法2.1识别abab：

1. s=0, ch=a
2. s=1, ch=b
3. s=2, ch=a
4. s=1, ch=b
5. s=2, ch=eof
6. no