Κωστόπουλος ηµήτριος Μ.Π.Λ.Α. TAPE COMPRESSION (θεώρηµα 2.3 Παπαδηµητρίου)

Σχετικά έγγραφα
num(m(w 1 ;... ; w k )) = f(num(w 1 ),..., num(w k ))

Μια TM µπορεί ένα από τα δύο: να αποφασίζει µια γλώσσα L. να αναγνωρίζει (ηµιαποφασίζει) µια γλώσσα L. 1. Η TM «εκτελεί» τον απαριθµητή, E.

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

3 Αναδροµή και Επαγωγή

Σειρά Προβλημάτων 4 Λύσεις

Σειρά Προβλημάτων 4 Λύσεις

ΠΑΡΑ ΕΙΓΜΑΤΑ ΓΡΑΦΗΣ ΕΞΙΣΩΣΕΩΝ ΚΑΤΑΣΤΑΣΕΩΣ ΣΕ ΗΛΕΚΤΡΙΚΑ ΙΚΤΥΑ

ΕΠΙΤΑΧΥΝΣΗ- ΕΠΙΤΑΧΥΝΟΜΕΝΗ ΚΙΝΗΣΗ

KΕΦΑΛΑΙΟ 1 ΧΡΗΣΙΜΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΕΝΝΟΙΕΣ. { 1,2,3,..., n,...

Σειρά Προβλημάτων 4 Λύσεις

Σε αυτό το µάθηµα. Εισαγωγή στις Μηχανές Turing. Μηχανή Turing (Turing Machine - TM) Μηχανές Turing. Παραδείγµατα Μηχανών Turing

K είναι το σύνολο των καταστάσεων. Σ είναι το αλφάβητο των συµβόλων που χρησιµοποιούνται και το οποίο. s K είναι η αρχική κατάσταση της M.

Περιεχόμενα ΜΤ Τυχαίας Προσπέλασης Θεωρία Υπολογισμού Ενότητα 23: Μηχανές Turing Τυχαίας Προσπέλασης Επ. Καθ. Π. Κατσαρός Τμήμα Πληροφορικής Επ. Καθ.

Επαναληπτικές δοµές. µτ α.τ. Όχι. ! απαγορεύεται µέσα σε µία ΓΙΑ να µεταβάλλουµε τον µετρητή! διότι δεν θα ξέρουµε µετά πόσες επαναλήψεις θα γίνουν

Σειρά Προβλημάτων 4 Λύσεις

Η NTM αποδέχεται αν µονοπάτι στο δέντρο που οδηγεί σε αποδοχή.

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Προτεινοµενες Ασκησεις - Φυλλαδιο 9

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Φροντιστήριο 8 Λύσεις

Η εξίσωση του Fermat για τον εκθέτη n=3. Μία στοιχειώδης προσέγγιση

Αποφασισιµότητα / Αναγνωρισιµότητα. Μη Επιλύσιµα Προβλήµατα. Η έννοια της αναγωγής. Τερµατίζει µια δεδοµένη TM για δεδοµένη είσοδο;

Σειρά Προβλημάτων 5 Λύσεις

5. Γεννήτριες Τυχαίων Αριθµών.

Σειρά Προβλημάτων 4 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 4 Λύσεις

771 Η - Θεωρία Υπολογισµών και Αλγορίθµων

Δυναμική ενέργεια στο βαρυτικό πεδίο. Θετική ή αρνητική;

Θεωρήµατα Ιεραρχίας Ειδικά Θέµατα Υπολογισµού και Πολυπλοκότητας, Μάθηµα Βασικής Επιλογής Εαρινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

Σύνοψη Προηγούµενου. Κανονικές Γλώσσες (1) Προβλήµατα και Γλώσσες. Σε αυτό το µάθηµα. ιαδικαστικά του Μαθήµατος.

ΚΕΦΑΛΑΙΟ 1 ο ΠΑΙΧΝΙ ΙΑ ΣΤΗΝ ΚΑΤΑΣΚΗΝΩΣΗ. Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους:

Σειρά Προβλημάτων 4 Λύσεις

ΚΕΦΑΛΑΙΟ 6 ΚΕΝΤΡΟ ΒΑΡΟΥΣ-ΡΟΠΕΣ Α ΡΑΝΕΙΑΣ

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 13: Παραλλαγές Μηχανών Turing και Περιγραφή Αλγορίθμων

Θεωρία Υπολογισμού και Πολυπλοκότητα Αναγωγές

Σύνοψη Προηγούµενου. Γλώσσες χωρίς Συµφραζόµενα (2) Ισοδυναµία CFG και PDA. Σε αυτό το µάθηµα. Αυτόµατα Στοίβας Pushdown Automata

Λογικός Σχεδιασµός Σχεσιακών Σχηµάτων

Γραµµατικές για Κανονικές Γλώσσες

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2015 ιδάσκων : Π. Τσακαλίδης

(1) 98! 25! = 4 100! 23! = 4

ΑΝΑΖΗΤΩΝΤΑΣ ΤΟΝ ΥΠΕΡΚΥΒΟ

Σειρά Προβλημάτων 4 Λύσεις

Λύσεις 4ης Σειράς Ασκήσεων

Thanasis Xenos ΕΛΛΗΝΙΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ ΠΑΡΑΡΤΗΜΑ ΗΜΑΘΙΑΣ

Το θεώρηµα αντίστροφης απεικόνισης. ) και ακόµη ότι η g f 1 1. g y

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές»

Φροντιστήριο 8 Λύσεις

ΚΕΦΑΛΑΙΟ 13 ο. Μάντεψε το µυστικό κανόνα µου. Στο κεφάλαιο αυτό, θα προσπαθήσουµε να επιτύχουµε τους εξής στόχους:

Σειρά Προβλημάτων 4 Λύσεις

Εισαγωγή στην Επιστήμη των Υπολογιστών

3.1 εκαδικό και υαδικό

. Μητρόπουλος Στερεό F 1 F 2 (2) (1)

ΣΤΟΙΧΕΙΑ ΘΕΜΕΛΙΩΣΕΩΝ ΥΠΟΛΟΓΙΣΤΙΚΩΝ ΜΗΧΑΝΩΝ ΓΙΑ ΤΟ ΓΥΜΝΑΣΙΟ ΚΑΙ ΤΟ ΛΥΚΕΙΟ

Kεφάλαιο 10. Πόσα υποπαίγνια υπάρχουν εδώ πέρα; 2 υποπαίγνια.

Διαβάζοντας το βιβλίο του Θρασύβουλου εγώ εστιάζω στο εξής:

HY118- ιακριτά Μαθηµατικά. Παράδειγµα άµεσης απόδειξης. Μέθοδοι αποδείξεως για προτάσεις της µορφής εάν-τότε Αποδείξεις

(x) = δ(x) π(x) + υ(x)

Αυτόματα. Παράδειγμα: πωλητής καφέ (iii) Παράδειγμα: πωλητής καφέ (iv) Εισαγωγή στην Επιστήμη των Υπολογιστών 6

Εισαγωγή στην Επιστήμη των Υπολογιστών

Α. ΡΗΤΕΣ ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ

Γραµµική Αλγεβρα Ι. Ενότητα: ιανυσµατικοί χώροι. Ευάγγελος Ράπτης. Τµήµα Μαθηµατικών

x 2 = x x 2 2. x 2 = u 2 + x 2 3 Χρησιµοποιώντας το συµβολισµό του ανάστροφου, αυτό γράφεται x 2 = x T x. = x T x.

Πρόβληµα 2 (12 µονάδες)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

Θεωρία Υπολογισμού και Πολυπλοκότητα

Περιεχόμενα Ορισμός και λειτουργία των μηχανών Turing Θεωρία Υπολογισμού Ενότητα 20: Μηχανές Turing: Σύνθεση και Υπολογισμοί Επ. Καθ. Π. Κατσαρός Τμήμ

Φροντιστήριο 10 Λύσεις

EΞΟΙΚΕΙΩΣΗ ΜΕ ΤΟ MOVIE MAKER

ΕΠΙΜΕΛΕΙΑ: ΚΩΣΤΑΣ ΔΕΛΗΜΑΡΗΣ - ΧΡΗΣΗ ΗΥ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΑΡΧΕΙΩΝ

Condorcet winner. (1) Αν U j (x) > U j (y) τότε U i (x) > U i (y) και (2) Αν U i (y) > U i (x) τότε U j (y) > U j (x).

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 9

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

Στην συνέχεια και στο επόµενο παράθυρο η εφαρµογή µας ζητάει να εισάγουµε το Username και το Password το οποίο σας έχει δοθεί από τον ΕΛΚΕ.

(1) 98! 25! = 4 100! 23! = 4

Γενική Ισορροπία-Ευηµερία. 2ο Θεµελιώδες Θεώρηµα των Οικονοµικών της ευηµερίας. Notes. Notes. Notes. Notes. Κώστας Ρουµανιάς.

Κριτήριο Παρεμβολής. και. άρα από το παραπάνω κριτήριο παρεµβολής το l im f ( x) (x 1) 2 f (x) 2x (x 1) 2 2x (x 1) 2 f (x) 2x + (x 1) 2

Ασκήσεις για το µάθηµα «Ανάλυση Ι και Εφαρµογές» (ε) Κάθε συγκλίνουσα ακολουθία άρρητων αριθµών συγκλίνει σε άρρητο αριθµό.

Η γεωµετρική εποπτεία στην παρουσίαση της απόλυτης τιµής

Ενέργεια και Έργα. Ε συστ = ΣΤ

( a) ( ) n n ( ) ( ) a x a. x a x. x a x a

{ } ΠΛΗ 12: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗ ΠΛΗΡΟΦΟΡΙΚΗ Ι 2 η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ. Απαντήσεις. 1. (15 µονάδες)

Πρόβληµα 2 (15 µονάδες)

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Επανάληψη Μαθήματος

Blum Complexity. Αλγόριθμοι και Πολυπλοκότητα ΙΙ. Παναγιώτης Γροντάς. Δεκέμβριος

ΠΛΗ30 ΕΝΟΤΗΤΑ 3: ΚΑΝΟΝΙΚΕΣ ΓΛΩΣΣΕΣ. Μάθηµα 3.2: ηµήτρης Ψούνης

ΑΛΓΕΒΡΙΚΕΣ ΟΜΕΣ Ι. Ασκησεις - Φυλλαδιο 4

Αυτόματα. Παράδειγμα: πωλητής καφέ (iii) Παράδειγμα: πωλητής καφέ (iv) Εισαγωγή στην Επιστήμη των Υπολογιστών. Προδιαγραφές

Παράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης.

Κώδικας σχεδίασης Λογισµικής ιαγραµµατικής Οντολογίας

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών. HY-217: Πιθανότητες - Χειµερινό Εξάµηνο 2014 ιδάσκων : Π. Τσακαλίδης. Λύσεις εύτερης Σειράς Ασκήσεων

Κλάσµατα ΜΑΘΗΜΑ 1 Ο. Πεινάσαµε; Τι λέτε; Να παραγγείλουµε καµιά πίτσα; Ήρθε κιόλας η παραγγελία! Λαχταριστή πίτσα κοµµένη σε 8 ίσα κοµµάτια

Αλγεβρικες οµες Ι Ασκησεις - Φυλλαδιο 4 1 2

ΕΝΟΤΗΤΑ 9 ΕΝΩΣΗ ΞΕΝΩΝ ΣΥΝΟΛΩΝ ( ΟΜΕΣ UNION-FIND)

4 Συνέχεια συνάρτησης

ΠΑΡΑ ΕΙΓΜΑΤΑ ΥΠΟΛΟΓΙΣΜΟΥ ΑΠΟΚΡΙΣΕΩΝ ΣΕ ΗΛΕΚΤΡΙΚΑ ΙΚΤΥΑ

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

ΔΗΜΙΟΥΡΓΙΑ ΚΑΤΑΛΟΓΟΥ ΕΤΕΡΟΑΝΑΦΟΡΩΝ

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Λυσεις Ασκησεων - Φυλλαδιο 9

a n + 6a n a n 2 + 8a n 3 = 0, a 0 = 1, a 1 = 2, a 2 = 8

Transcript:

Κωστόπουλος ηµήτριος Μ.Π.Λ.Α. TAPE COMPRESSION (θεώρηµα 2.3 Παπαδηµητρίου) Εισαγωγή. Αυτό το φυλλάδιο έχει στόχο να δώσει ένα ανάλογο αποτέλεσµα µε αυτό του linear speedup θεωρήµατος, εάν έχουµε µία µηχανή Turing Μ που χρησιµοποιεί f(n) χώρο για να λειτουργήσει, τότε µπορούµε να κατασκευάσουµε µία άλλη µηχανή Turing M, η οποία προσοµοιώνει τη Μ και χρησιµοποιεί χώρο εf(n) + 2, όπου n είναι το µέγεθος της εισόδου. Το θεώρηµα και η απόδειξη µοιάζουν πάρα πολύ µε αυτή του linear speedup θεωρήµατος. Παρόλα αυτά, πρώτα είναι σκόπιµο να κάνουµε µια συζήτηση. k string Turing µηχανές µε είσοδο και έξοδο. Όταν υπολογίζουµε το χώρο που καταλαµβάνει µια µηχανή Turing, την κρίνουµε ποιοτικά ως προς το πόσο είναι ικανή στο να σπαταλά όσο το δυνατό λιγότερο γίνεται χώρο. Αν λοιπόν στο χώρο αυτό υπολογίσουµε το χώρο που καταλαµβάνει η ταινία εισόδου, τότε είµαστε άδικοι µε τη µηχανή αυτή, γιατί καµιά άλλη µηχανή δε µπορεί να σπαταλήσει λιγότερο χώρο, όσο καλά σχεδιασµένη και να είναι. Το ίδιο συµβαίνει και µε την έξοδο. Η έξοδος, ότι και να κάνει η µηχανή, δε µπορεί να αλλάξει, θα καταλαµβάνει τον ίδιο χώρο. Το πιο λογικό θα έπρεπε να είναι να υπολογίζουµε µόνο τον επιπρόσθετο χώρο που καταλαµβάνει η µηχανή µας. Αυτό και κάνουµε. Ορισµός. Έστω ακέραιος k > 2. Μία k string µηχανή Turing µε είσοδο και έξοδο είναι µια κανονική k string µηχανή Turing τέτοια ώστε για κάθε µετάβασή της δ, δ(q, σ 1,..., σ k ) = (p, ρ 1, D 1,, ρ k, D k ) : α) ρ 1 = σ 1 β) D k <- γ) εάν σ 1 = _, τότε D 1 = <-. Λεπτοµέρειες για τον ορισµό µπορείτε να βρείτε στο βιβλίο. Αυτό που µας ενδιαφέρει εµάς είναι ότι µία «k string µηχανή Turing µε είσοδο και έξοδο» είναι µια µηχανή µε ταινία εισόδου µόνο για ανάγνωση και µε µια ταινία εξόδου στην οποία γράφουµε µόνο το αποτέλεσµα, τις άλλες ταινίες θα τις καλούµε εσωτερικές ταινίες. Έτσι, ο χώρος που θα µετράµε τώρα θα είναι στις εσωτερικές ταινίες. Εύκολα (βλ. Βιβλίο) µπορεί κανείς να δείξει ότι οποιαδήποτε µηχανή Turing µε k ταινίες µπορεί να µετατραπεί σε µία k+2 string µε είσοδο και έξοδο. Άρα µπορούµε από εδώ και πέρα να µιλάµε για k string µηχανές Turing µε είσοδο και έξοδο και να εννοούµε οποιαδήποτε µηχανή Turing (όσο αφορά το χώρο βέβαια). Θεώρηµα: Έστω γλώσσα L ε SPACE(f(n)). Τότε, για κάθε ε > 0, η γλώσσα L ανήκει στο SPACE(2 + εf(n)). Απόδειξη: Έστω Μ = (Κ, Σ, δ, s) µία k string Turing µηχανή µε είσοδο και έξοδο η οποία αποφασίζει την L και χρησιµοποιεί χώρο f(n). Θα κατασκευάσουµε µία k string Turing µηχανή µε είσοδο και έξοδο Μ = (Κ, Σ, δ, s ) και η οποία θα χρησιµοποιεί χώρο εf(n) + 2, για ε > 0, µε σκοπό να προσοµοιώσει την Μ. Πώς το 1

επιτυγχάνουµε αυτό; Κωδικοποιούµε πολλά σύµβολα σε ένα. Με τη συµπίεση των συµβόλων η µηχανή σπαταλά λιγότερο χώρο. Προσοχή, δε συµπιέζουµε την ταινία εισόδου και την ταινία εξόδου. Το αλφάβητο της Μ θα µεγαλώσει και θα περιέχει και τα νέα σύµβολα κωδικούς. Εάν για την κωδικοποίηση συµπιέζουµε m σύµβολα για να πάρουµε ένα νέο σύµβολο, τότε θα έχουµε Σ = Σ U Σ m. Επειδή δε µας νοιάζει ο χρόνος µε τον οποίο θα τρέχει η µηχανή, παρά µόνο ο χώρος, µας φτάνει µόνον το να χρησιµοποιούµε κωδικοποιηµένα σύµβολα. Έτσι, θα µετατρέψουµε όλες τις µεταβάσεις της µηχανής Μ σε µεταβάσεις που να έχουν στην πρώτη και την τελευταία ταινία «παλαιά σύµβολα» και στην άλλες ταινίες νέα, κωδικοποιηµένα σύµβολα. Για κάθε παλιά µετάβαση θα πρέπει να φτιάξουµε µια νέα που να χρησιµοποιεί συµπιεσµένα σύµβολα στις εσωτερικές ταινίες. Πρέπει, εποµένως, να ξέρουµε που στο συµπιεσµένο σύµβολο της κεφαλής µιας εσωτερικής ταινίας της Μ, βρίσκεται η κεφαλή της Μ. Για αυτό εµπλουτίζουµε λίγο τις καταστάσεις. Για κάθε κατάσταση της Μ φτιάχνουµε νέες καταστάσεις Kx{1, 2,, m} k 2. Το Κ αντιστοιχεί στις παλιές καταστάσεις της Μ. Το {1, 2,, m} k-2 είναι µία k-2 άδα που αντιστοιχεί στη θέση του κέρσορα της Μ στο σύµβολο που διαβάζει ο κέρσορας της Μ. Για παράδειγµα εάν για την i οστή εσωτερική ταινία ο κέρσορας της Μ βρίσκεται l θέσεις µακριά από το >, στην i οστή θέση της k-2 άδας θα υπάρχει ο αριθµός l mod m. Οπότε, εάν έχουµε αριστερή ή δεξιά κίνηση στην ταινία θα αλλάζει κατάλληλα και η k άδα. f ( x ) Προφανώς, θα χρησιµοποιούµε στις εσωτερικές ταινίες χώρο m. Αν πάρουµε m = 1 ε, έχουµε SPACE(f( x ).- Παρατηρήσεις. Ανάλογα το µοντέλο που έχει υλοποιηθεί η µηχανή Turing και την ακρίβεια που µετράµε και εκτελούµε τις πράξεις, οι σταθεροί παράγοντες ποικίλλουν. Αλλά σε όλα τα µοντέλα, επιτυγχάνουµε επιτάχυνση στο χρόνο κατά ένα γραµµικό παράγοντα. Για παράδειγµα εγώ έβγαλα άλλους σταθερούς παράγοντες από αυτούς του Παπαδηµητρίου, αλλά αυτό δε µας πειράζει φαντάζοµαι. Τι µας λέει αυτό το θεώρηµα; Για κάθε µηχανή Turing η οποία απαιτεί χώρο f(n), τότε µπορούµε να φτιάξουµε άλλη µία τέτοια που να απαιτεί χώρο εf(n) + 2. ηλαδή εάν η µηχανή Turing θέλει 10n 2 χώρο, όπου n είναι το µήκος της εισόδου, τότε µπορούµε να κατασκευάσουµε άλλη µια Turing µηχανή τέτοια που να καταλαµβάνει χώρο ε10n 2 + 2. Για ε = 100 > 0, παίρνουµε ότι η µηχανή µας θα 2 n χρειαστεί χώρο + 2. 10 Παράδειγµα για το TAPE COMPRESSION theorem (δικό µου, µπορεί να έχει λάθη). Έστω µια µηχανή Turing µε είσοδο και έξοδο που υπολογίζει πόσο είναι η απόλυτη διαφορά µεταξύ των 0 και 1 σε ένα µη κενό δυαδικό αριθµό. Έχουµε Σ = {0, 1, >, _ } Κ = {s, q, p, r, t, h} k = 3, (1 ταινία εισόδου, 3 η ταινία εξόδου, 2 η εσωτερική ταινία) 2

m = 2 x = 011011101011110101110110 Μ p ε Κ σ 1 ε Σ σ 2 ε Σ σ 3 ε Σ (p, σ 1, D 1, σ 2, D 2, σ 3, D 3 ) 1 S > > > (s, >, ->, >, ->, >, ->) 2 S 0 _ _ (p, 0, ->, 0, ->, _, -) 3 S 1 _ _ (q, 1, ->, 1, ->, _, -) 4 P 0 _ _ (p, 0, ->, 0, ->, _, -) 5 Q 1 _ _ (q, 1, ->, 1, ->, _, -) 6 Q 0 _ _ (r, 0, ->, _, <-, _, -) 7 P 1 _ _ (r, 1, ->, _, <-, _, -) 8 R 0 ή 1 ή _ > _ (s, 0 ή 1 ή _, -, >, ->, _, -) 9 R 0 ή 1 ή _ 0 _ (p, 0 ή 1 ή _, -, 0, ->, _, -) 10 R 0 ή 1 ή _ 1 _ (q, 0 ή 1 ή _, -, 1, ->, _, -) 11 s ή p ή q _ _ _ (t, _, -, _, <-, _, -) 12 T _ 0 _ (t, _, -, 0, <-, 0, ->) 13 T _ 1 _ (t, _, -, 1, <-, 1, ->) 14 T _ > _ (h, _, -, >, ->, _, -) s είναι η κατάσταση «ισοπαλία». p είναι η κατάσταση «τα µηδέν είναι περισσότερα». q είναι η κατάσταση «οι άσσοι είναι περισσότεροι». r είναι η κατάσταση «πρέπει να βρω τι είναι πιο πολύ». t είναι η κατάσταση «γυρίζουµε την ταινία 2 πίσω». u είναι η κατάσταση «αντίγραψε την ταινία 2 στην ταινία3». Με λίγα λόγια αυτό που κάνει το πρόγραµµα είναι κάθε φορά που διαβάζει ένα σύµβολο να πηγαίνει είτε να το γράφει στην ταινία 2, είτε να σβήνει ένα σύµβολο από την ταινία 2, ανάλογα µε το ποιο σύµβολο κερδίζει εκείνη τη στιγµή. Οπότε, στο τέλος στην ταινία 2 υπάρχει η απόλυτη διαφορά των δύο συµβόλων. Ο νέος πίνακας µετάβασης θα γίνει. 3

Μ p ε Κ σ 1 ε Σ σ 2 ε Σ σ 3 ε Σ (p, σ 1, D 1, σ 2, D 2, σ 3, D 3 ) 1 (s, 0) > > > ((s, 0), >, ->, >, ->, >, ->) 2 (s, 0) 0 _ _ ((p, 1), 0, ->, σ 0 _, -, _, -) 3 (s, 0) 1 _ _ ((q, 1), 1, ->, σ 1 _, -, _, -) 4 (p, 0) 0 _ _ ((p, 1), 0, ->, σ 0 _, -, _, -) (p, 1) 0 σ 0 _ _ ((p, 0), 0, ->, σ 00, ->, _, -) 5 (q, 0) 1 _ _ ((q, 1), 1, ->, σ 1 _, -, _, -) (q, 1) 1 σ 1 _ _ ((q, 0), 1, ->, σ 11, ->, _, -) 6 (q, 0) 0 _ _ ((r, 1), 0, ->, _, <-, _, -) (q, 1) 0 σ 1 _ _ ((r, 0), 0, ->, _, -, _, -) 7 (p, 0) 1 _ _ ((r, 1), 1, ->, _, <-, _, -) (p, 1) 1 σ 0 _ _ ((r, 0), 1, ->, _, -, _, -) 8 (r, 0) 0 ή 1 ή _ > _ ((s, 0), 0 ή 1 ή _, -, >, ->, _, -) 9 (r, 0) 0 ή 1 ή _ σ 0 _ _ ((p, 1), 0 ή 1 ή _, -, σ 0 _, -, _, -) (r, 1) 0 ή 1 ή _ σ 00 _ ((p, 0), 0 ή 1 ή _, -, σ 00, ->, _, -) 10 (r, 0) 0 ή 1 ή _ σ 1 _ _ ((q, 1), 0 ή 1 ή _, -, σ 1 _, -, _, -) (r, 1) 0 ή 1 ή _ σ 11 _ ((q, 0), 0 ή 1 ή _, -, σ 11, ->, _, -) 11 (s, 0) ή (p, 0) ή (q, 0) _ _ _ ((t, 1), _, -, _, <-, _, -) (s, 1) ή (p, 1) ή (q, 1) _ σ 1 _ ή σ 0 _ _ ((t, 0), _, -, σ 1 _ ή σ 0 _, <-, _, -) 12 (t, 0) _ σ 0 _ _ ((t, 1), _, -, σ 0 _, <-, 0, ->) (t, 1) _ σ 00 _ ((t, 0), _, -, σ 00, -, 0, ->) (t, 0) _ σ 00 _ ((t, 1), _, -, σ 00, <-, 0, ->) 13 (t, 0) _ σ 1 _ _ ((t, 1), _, -, σ 1 _, <-, 1, ->) (t, 1) _ σ 11 _ ((t, 0), _, -, σ 11, -, 1, ->) (t, 0) _ σ 11 _ ((t, 1), _, -, σ 11, <-, 1, ->) 14 (t, 0) _ > _ (h, _, -, >, ->, _, -) Στους δύο πίνακες έχω βάλει µόνο τις πιθανές µεταβάσεις που µπορούµε να συναντήσουµε για κάθε είσοδο! Παρακάτω δίνεται σχηµατικά η µηχανή Turing Μ µε είσοδο και έξοδο που θα προσοµοιώνει τη Μ. Αφήνω σαν άσκηση αφού έχετε και το πρόγραµµα της Μ να τρέξετε τη µηχανή για την είσοδο x. 4

Μ > 0 1 1 0 1 1 1 0 1 0 1 1 1 1 0 1 0 1 1 1 0 1 1 0 > > FINE 5