[TAOCP 1.1]对算法的形式化定义的理解

　　算法的基本功能是将输入转化为输出。通常，这种转化不是一步就可以完成的，那样太简单，体现不出算法的价值。一个算法要分为诸多步骤来实现，这些步骤将输入转化为中间状态，并不断推进中间状态，使其达到最终状态，即输出。了解这些中间状态是理解形式化定义的关键。

 

　　算法定义为四元组(Q,I,Ω,f)。
　　Q: 所有状态的集合。这是静态的集合，定义了算法的处理域。
　　I: 输入状态的集合，即算法的初始状态。I是Q中的子集。
　　Ω: 输出状态的集合，即算法的最终状态。Ω也是Q中的子集。
　　f: 状态间的迁移规则。f将Q中的状态连接起来，使输入状态可以通过一条路径达到输出状态。

 

　　达到输出状态后，状态就不应再迁移，需要提供稳定的状态供用户读取输出。所以书中提到：

　　f should leave Ω pointwise fixed; that is, f(q) should equal q for all elements q of Ω.

　　实际上f无法离开Ω，因为它已经固定在最终状态上了。作者的抽象描述使这里有些难以理解，但实现上极易满足，以至于我们注意不到，即算法结束执行就可以了。

 

　　还有一个容易误解的地方。

　　Each input x in the set I defines a computational sequence, $x_0, x_1, x_2, \ldots$, as follows:
　　$x_0=x \quad and \quad x_{n+1}=f(x_n) \qquad for\;n\ge0.$

　　为了避免与下面的输出状态$x_k$混淆，将书中的k改为n。x这时是一次输入，作为I中的一个元素。$x_0, x_1, x_2, \ldots$是输入x引起的各个中间状态，是Q中的元素，而不是I中的元素。$x_0$即初始状态，由x决定。$x_k$在f的作用下进行迁移，直到某一状态$x_k$在Ω中，即达到输出状态（下一状态$x_{k+1}=x_k$）。这时我们说状态终结在k，其中k是最终状态的序号。输入x产生了输出$x_k$。

 

　　下面用形式化定义表达算法E。
　　输入是两个正整数m, n。因此I定义为正整数对(m,n)的集合。
　　输出是一个正整数n。因此Ω定义为正整数n的集合。（输出的n与输入的n表达含义不同）
　　Q首先包括I和Ω，然后还要包括中间状态。这里算法决定了中间状态有3个：(m,n,r,1),(m,n,r,2),(m,n,p,3)。最后一位的数字表示状态的序号；r表示余数，可能为0；p是进入下一轮迭代的余数，已经不可能是0。
　　f((m,n)) = (m,n,0,1);        f((n)) = (n);
　　f((m,n,r,1)) = (m,n,remainder of m divided by n,2);
　　f((m,n,r,2)) = (n) if r = 0, (m,n,r,3) otherwise;
　　f((m,n,p,3)) = (n,p,p,1).
　　首先，输入x在这里是(m,n)。初始状态$x_0$是(m,n,0,1)，其中余数r可以是任意值，这里填为0。输入为单个数字时，表示达到输出状态，输出与输入相同。
　　第一步，取余数，r在(m,n,r,2)状态中才有实际值。
　　第二步，判断r。
　　第三步，输入代换，并进入下一轮迭代，(m,n,r,1)中的r可以是任意值，这里使用p。

 

　　该表达可优化如下：
　　f((m,n)) = (m,n,1);        f((n)) = (n);
　　f((m,n,1)) = (m,n,remainder of m divided by n,2);
　　f((m,n,r,2)) = (n) if r = 0, (n,r,1) otherwise.

转载于:https://www.cnblogs.com/dongxuenan/archive/2010/12/04/2213998.html