3.

0 VU Formale Modellierung
Gernot Salzer
AB Theoretische Informatik und Logik
Institut fr Computersprachen
29.10.2013
1
Was Sie letztes Mal hrten
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
2
quivalenz, Konsequenz und Gltigkeit
Semantische quivalenz
Zwei Formeln F und G heien quivalent, geschrieben F = G,
wenn val
I
(F) = val
I
(G) fr alle Interpretationen I gilt.
F = G gilt genau dann, wenn F G eine gltige Formel ist.
B, and, or, not, 0, 1) ist eine Boolesche Algebra.
F
1
, . . . , F
n
[=
I
G: Aus val
I
(F
1
) = = val
I
(F
n
) = 1 folgt val
I
(G) = 1.
Logische Konsequenz
Die Formel G folgt aus den Formeln F
1
, . . . , F
n
, geschrieben
F
1
, . . . , F
n
[= G, wenn F
1
, . . . , F
n
[=
I
G fr alle Interpretationen I gilt.
F
1
, . . . , F
n
[= G gilt genau dann, wenn (F
1
F
n
) G gltig ist.
3
Was Sie letztes Mal hrten
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
4
Von der Funktion zur Formel
Gegeben: Funktion f : B
n
B (z.B. als Wahrheitstafel)
Gesucht: Formel, die f darstellt
A
1
A
2
A
3

b f (

b)
1 1 1 1
1 1 0 0
1 0 1 0
1 0 0 1
0 1 1 1
0 1 0 0
0 0 1 0
0 0 0 0
K

b
A
1
A
2
A
3
=: K
111
A
1
A
2
A
3
=: K
100
A
1
A
2
A
3
=: K
011
D

b
A
1
A
2
A
3
=: D
110
A
1
A
2
A
3
=: D
101
A
1
A
2
A
3
=: D
010
A
1
A
2
A
3
=: D
001
A
1
A
2
A
3
=: D
000
DNF
f
= K
111
K
100
K
011
KNF
f
= D
110
D
101
D
010
D
001
D
000
5
Was Sie letztes Mal hrten
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
6
Normalformen
Literal: Variable oder negierte Variable, also A, A, B, B, . . .
Negationsnormalform (NNF)
Literale sowie und sind in NNF.
(F G) und (F G) sind in NNF, wenn F und G in NNF sind.
Keine Formel sonst ist in NNF.
Disjunktive Normalform (DNF)
, sowie Disjunktionen von Konjunktion von Literalen:
(
()
A
1,1

()
A
1,2

()
A
1,3
) (
()
A
2,1

()
A
2,2

()
A
2,3
)
Konjunktive Normalform (KNF)
, sowie Konjunktionen von Disjunktion von Literalen:
(
()
A
1,1

()
A
1,2

()
A
1,3
) (
()
A
2,1

()
A
2,2

()
A
2,3
)
7
Konstruktion von DNFs/KNFs Semantische Methode
Gegeben: Aussagenlogische Formel F
Gesucht: quivalente Formel in DNF/KNF
1
Stelle die zu F gehrige Funktion f als Wahrheitstafel dar.
2
Konstruiere DNF
f
bzw. KNF
f
.
A
1
A
2
A
3
F := (A
1
(A
2
A
3
)) (A
1
(A
2
A
3
))
1 1 1 1 K
111
1 1 0 0 D
110
1 0 1 0 D
101
1 0 0 1 K
100
0 1 1 1 K
011
0 1 0 0 D
010
0 0 1 0 D
001
0 0 0 0 D
000
DNF: F = K
111
K
100
K
011
KNF: F = D
110
D
101
D
010
D
001
D
000
8
Konstruktion von DNFs/KNFs Algebraische Methode
Gegeben: Aussagenlogische Formel F
Gesucht: quivalente Formel in DNF/KNF
1
Ersetze alle Junktoren durch , und .
2
Verschiebe Negationen nach innen, eliminiere Doppelnegationen.
3
Wende das Distributivgesetz an.
4
Eliminiere und .
(A
1
(A
2
A
3
)) (A
1
(A
2
A
3
))
1
(A
1
(A
2
A
3
) (A
2
A
3
)) (A
1
(A
2
A
3
))
2
(A
1
(A
2
A
3
) (A
2
A
3
)) (A
1
(A
2
A
3
))
3
DNF: (A
1
A
1
) (A
1
A
2
A
3
) (A
2
A
3
A
1
)
(A
2
A
3
A
2
A
3
) (A
2
A
3
A
1
) (A
2
A
3
A
2
A
3
)
KNF: (A
1
A
2
A
2
) (A
1
A
2
A
3
) (A
1
A
3
A
2
)
(A
1
A
3
A
3
) (A
1
A
2
) (A
1
A
3
)
4
DNF: (A
1
A
2
A
3
) (A
2
A
3
) (A
1
A
2
A
3
)
KNF: (A
1
A
2
A
3
) (A
1
A
2
A
3
) (A
1
A
2
) (A
1
A
3
)
9
Was Sie letztes Mal hrten
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
10
Das Erfllbarkeitsproblem der Aussagenlogik
Erfllbarkeitsproblem (Satisability, SAT)
Gegeben: aussagenlogische Formel F
Frage: Ist F erfllbar, d.h., gibt es ein I J, sodass val
I
(F) = 1?
Eziente Verfahren zur Lsung von SAT sind wichtig in der Praxis:
Viele praktische Aufgaben sind Probleme der Aussagenlogik.
Aussagenlogische Fragen lassen sich auf SAT zurckfhren.
Unbrauchbare Verfahren:
Wahrheitstafel: Prfe, ob es Interpretation mit Ergebnis 1 gibt.
Umwandlung in DNF: Antwort nein, wenn man erhlt, sonst ja.
SAT-Solver: Programme, die SAT lsen.
Lsen SAT mit fortgeschrittenen Methoden und Datenstrukturen.
Knnen SAT fr Formeln mit Millionen von Variablen lsen.
Aber: immer noch inezient fr bestimmte Formeltypen.
11
P = NP?
P: Klasse der Probleme, deren Lsungen sich polynomiell nden lassen.
NP: Klasse jener Probleme, deren Lsungen sich polynomiell verizieren
lassen; die Suche nach der Lsung kann aber aufwndig sein.
P versus NP
Gilt P = NP oder P ,= NP (gleichbedeutend mit P NP)?
SAT ist in NP: Gegeben I, lsst sich val
I
(F) = 1 leicht berprfen.
Die Suche nach so einem I scheint aber aufwndig. Exponentiell?
SAT ist NP-vollstndig: SAT gehrt zu den schwierigsten Problemen in NP.
Kann man ein NP-vollstndiges Problem ezient lsen, dann kann man
alle Probleme in NP ezient lsen.
SAT polynomiell lsbar = P = NP
SAT nicht polynomiell lsbar = P ,= NP
12
Was Sie heute erwartet
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
3.7. Beispiel: House
3.8. Dualitt von Funktionen, Operatoren und Formeln
3.9. Beispiel: The Simpsons
4. Endliche Automaten
13
House
Max wird mit hohem Fieber und ausgeprgten Gliederschmerzen in das
Spital eingeliefert. Dr. House diskutiert die Diagnose mit einer Kollegin.
House: Wenn der Patient Fieber hat, handelt es sich um Grippe oder
Erkltung.
Cameron: Wenn er keine starken Gliederschmerzen hat, dann hat er auch
keine Grippe.
House: Jedenfalls weisen hohes Fieber und starke Gliederschmerzen
immer auf Grippe hin.
Cameron: Er hat sicher nicht beide Krankheiten gleichzeitig.
Wie lautet die Diagnose?
Wie lsst sie sich mit Hilfe der Aussagenlogik nden und begrnden?
14
House Wahl der Aussagenvariablen
Aussagenvariablen knnen nur Aussagen reprsentieren, die einen
Wahrheitswert besitzen.
Einzelne Haupt-, Zeit- oder Eigenschaftswrter sind keine Aussagen!
Falsch: A = krank oder A = Fieber.
Mglich: A = Max ist krank oder A = Der Patient hat Fieber.
Max wird mit hohem Fieber und ausgeprgten Gliederschmerzen in das
Spital eingeliefert.
Max wird mit . . . eingeliefert = A?
Max hat hohes Fieber = A,
Max hat ausgeprgte Gliederschmerzen = B und
Max wird in das Spital eingeliefert = C?
Max hat hohes Fieber = Max hat Fieber = A und
Max hat ausgeprgte Gl.schmerzen = Max hat Gl.schmerzen = B?
15
House Wahl der Aussagenvariablen
Dr. House diskutiert die Diagnose mit einer Kollegin.
Dr. House diskutiert . . . mit einer Kollegin = D?
Wenn der Patient Fieber hat, handelt es sich um Grippe oder Erkltung.
Der Patient hat Fieber = E?
Der Patient hat Fieber = Max hat Fieber = A?
Cameron: Er hat sicher nicht beide Krankheiten gleichzeitig.
Cameron sagt, dass er nicht beide Krankheiten gleichzeitig hat. = F?
Max kann nicht beide Krankheiten gleichzeitig haben. = F?
16
Elimination von Abkrzungen und Referenzen
Er hat beide Krankheiten = P. hat Grippe + P. hat Erkltung
Generalisierung: Zusammenfassen von gleichartigen Aussagen
Abstraktion: Weglassen von Details
Konzentration auf das Wesentliche: Identikation der relevanten
Teilaussagen
Aber:
Was zusammengefasst wurde, kann nicht mehr getrennt analysiert
werden.
Was weggelassen wurde, kann nicht fr die Argumentation verwendet
werden.
Was nicht zusammenfasst wurde, aber zusammengehrt, muss durch
zustzliche Formeln in Beziehung gesetzt werden.
Was kann man zusammenfassen? Was weglassen? Was ist wesentlich?
17
House Wahl der Aussagenvariablen
Max wird mit hohem Fieber und ausgeprgten Gliederschmerzen in das
Spital eingeliefert. Dr. House diskutiert die Diagnose mit einer Kollegin.
House: Wenn der Patient Fieber hat, handelt es sich um Grippe oder
Erkltung.
Cameron: Wenn er keine starken Gliederschmerzen hat, dann hat er auch
keine Grippe.
House: Jedenfalls weisen hohes Fieber und starke Gliederschmerzen
immer auf Grippe hin.
Cameron: Er hat sicher nicht beide Krankheiten gleichzeitig.
F . . . Max/Patient hat (hohes) Fieber.
S . . . Max/Patient hat starke/ausgeprgte Gliederschmerzen.
G . . . Max/Patient hat eine Grippe.
E . . . Max/Patient hat eine Erkltung.
18
House aussagenlogische Modellierung
F . . . Max/Patient hat (hohes) Fieber.
S . . . Max/Patient hat starke/ausgeprgte Gliederschmerzen.
G . . . Max/Patient hat eine Grippe.
E . . . Max/Patient hat eine Erkltung.
Max wird mit hohem Fieber und ausgeprgten
Gliederschmerzen in das Spital eingeliefert. Dr.
House diskutiert die Diagnose mit einer Kolle-
gin.
F
1
:= F S
House: Wenn der Patient Fieber hat, handelt
es sich um Grippe oder Erkltung.
F
2
:= F (G E)
Cameron: Wenn er keine starken Glieder-
schmerzen hat, dann hat er auch keine Grippe.
F
3
:= S G
House: Jedenfalls weisen hohes Fieber und
starke Gliederschmerzen immer auf Grippe hin.
F
4
:= (F S) G
Cameron: Er hat sicher nicht beide Krankhei-
ten gleichzeitig.
F
5
:= (G E)
19
House Diagnose
Finde alle Interpretationen I, in denen alle Formeln wahr sind.
Vereinfachung: Prfe nur Interpretationen, in denen F
1
= F S wahr ist.
F S G E F
1
F (G E) S G (F S) G (G E)
1 1 0 0 1 0 1 0 1
1 1 0 1 1 1 1 0 1
1 1 1 0 1 1 1 1 1
1 1 1 1 1 1 1 1 0
I(G) = 1, I(E) = 0 = Die Diagnose lautet auf Grippe.
20
Was Sie heute erwartet
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
3.7. Beispiel: House
3.8. Dualitt von Funktionen, Operatoren und Formeln
3.9. Beispiel: The Simpsons
4. Endliche Automaten
21
Dualitt von Funktionen, Operatoren und Formeln
Beobachtung 1: and und or verhalten sich spiegelbildlich bzgl. 0 und 1.
x y x and y x or y
1 1 1 1
1 0 0 1
0 1 0 1
0 0 0 0
x y x or y x and y
0 0 0 0
0 1 1 0
1 0 1 0
1 1 1 1
and ist eine Konjunktion fr 1 und eine Disjunktion fr 0.
or ist eine Konjunktion fr 0 und eine Disjunktion fr 1.
Beobachtung 2: Boolesche Algebra ist symmetrisch bzgl. / und /.
(A B) C = A (B C) (A B) C = A (B C)
A B = B A A B = B A
A A = A A A = A
A = A A = A
A A = A A =
A (A B) = A A (A B) = A
A (B C) = (A B) (A C) A (B C) = (A B) (A C)
22
Duale Funktionen
Zwei n-stellige Funktionen f und g heien dual zueinander, wenn gilt:
not f (x
1
, . . . , x
n
) = g(not x
1
, . . . , not x
n
).
Diese Bedingung ist gleichbedeutend mit jeder der folgenden:
not f (not x
1
, . . . , not x
n
) = g(x
1
, . . . , x
n
)
f (x
1
, . . . , x
n
) = not g(not x
1
, . . . , not x
n
)
f (not x
1
, . . . , not x
n
) = not g(x
1
, . . . , x
n
)
and und or sind dual, da not(x and y) = (not x) or (not y) gilt.
Duale Operatoren
Zwei Operatoren heien dual, wenn die zugehrigen Funktionen dual sind.
true / not / and / nand / i / implies / if /
ist dual zu
false / not / or / nor / xor / , / , / ,
(und umgekehrt).
23
G[A
1
, . . . , A
n
] . . . Formel G enthlt die Variablen A
1
, . . . , A
n

G[H
1
, . . . , H
n
] . . . Formel, die aus G[A
1
, . . . , A
n
] entsteht,
wenn A
i
berall durch H
i
ersetzt wird.
Duale Formeln
Zwei Formeln F[A
1
, . . . , A
n
] und G[A
1
, . . . , A
n
] heien dual zueinander,
wenn gilt: F[A
1
, . . . , A
n
] = G[A
1
, . . . , A
n
]
F[A
1
, . . . , A
n
] ist dual zu F[A
1
, . . . , A
n
].
((A B) A) ist dual zu (A B) A.
Sei G die Formel, die aus F durch Ersetzen aller Operatoren durch ihre
dualen hervorgeht. Dann ist G dual zu F.
(((A B) , (B C)) , ((A ) B)) ist dual zu
(((A B) (B C)) ((A ) B))
24
F

, G

. . . irgendwelche dualen Formeln zu F bzw. G

F = G gilt genau dann, wenn F

= G

gilt.
F = G F

= G

(A B) C = A (B C) (A B) C = A (B C)
A B = B A A B = B A
A A = A A A = A
A = A A = A
A A = A A =
A (A B) = A A (A B) = A
A (B C) = (A B) (A C) A (B C) = (A B) (A C)
(F

= F
F ist gltig genau dann, wenn F

unerfllbar ist.
F G ist gltig genau dann, wenn G

gltig ist.
. . .
Dualitt ist nicht dasselbe wie Negation!
25
Was Sie heute erwartet
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
3.1. Was ist Logik?
3.2. Aussagenlogische Funktionen
3.3. Syntax und Semantik der Aussagenlogik
3.4. Von der Funktion zur Formel
3.5. Normalformen
3.6. Das Erfllbarkeitsproblem
3.7. Beispiel: House
3.8. Dualitt von Funktionen, Operatoren und Formeln
3.9. Beispiel: The Simpsons
4. Endliche Automaten
26
The Simpsons
Gone Maggie Gone, The Simpsons, Stael 20, Folge 13
(Dank an Marion Brandsteidl fr den Hinweis)
27
The Simpsons aussagenlogische Modellierung
If all you have is a hammer, everything looks like a nail.
M
i
. . . Maggie
K
i
. . . Knecht Ruprecht
G
i
. . . Gift
H
i
. . . Homer

. . . bendet sich zum Zeitpunkt i

auf der anderen Seite des Flusses.
Zum Zeitpunkt i benden sich alle auf dieser Flussseite.
AlleHier(i ) := M
i
K
i
G
i
H
i
Zum Zeitpunkt i benden sind alle auf der anderen Flussseite.
AlleDort(i ) := M
i
K
i
G
i
H
i
Wenn sich Maggie und KR oder Maggie und das Gift am selben
Flussufer benden, muss Homer bei Maggie sein.
Sicher(i ) := ((M
i
K
i
) (M
i
G
i
)) (M
i
H
i
)
28
MH
i
. . . Maggie
KH
i
. . . Knecht Ruprecht
GH
i
. . . Gift

. . . fhrt mit Homer ber den Fluss

(zw. den Zeitpunkten i 1 und i ).
HH
i
. . . Homer fhrt alleine ber den Fluss (zwischen i 1 und i ).
Genau eine berfahrt zwischen den Zeitpunkten i 1 und i .
berfahrt(i ) :=
(MH
i
KH
i
GH
i
HH
i
) (MH
i
KH
i
GH
i
HH
i
)
(MH
i
KH
i
GH
i
HH
i
) (MH
i
KH
i
GH
i
HH
i
)
Denition der berfahrten:
Defberfahrt(i ) :=
(MH
i
((M
i 1
,M
i
) (K
i 1
K
i
) (G
i 1
G
i
) (H
i 1
,H
i
) (H
i
M
i
)))
(KH
i
((M
i 1
M
i
) (K
i 1
,K
i
) (G
i 1
G
i
) (H
i 1
,H
i
) (H
i
K
i
)))
(GH
i
((M
i 1
M
i
) (K
i 1
K
i
) (G
i 1
,G
i
) (H
i 1
,H
i
) (H
i
G
i
)))
(HH
i
((M
i 1
M
i
) (K
i 1
K
i
) (G
i 1
G
i
) (H
i 1
,H
i
))
29
Gesamtformel: Nach n berfahrten sollen alle auf der anderen Seite sein.
Simpsons(n) := AlleHier(0) AlleDort(n)
n

i =0
Sicher(i )

i =1
berfahrt(i )
n

i =1
Defberfahrt(i )
Methode zum Lsen des Rtsels:
1
Errate die bentigte Zahl n der berfahrten.
2
Finde eine erfllende Interpretation fr die Formel Simpsons(n)
(z.B. mit Hilfe eines SAT-Solvers).
Eine mgliche Lsung:
n = 7,
I(MH
1
) = I(HH
2
) = I(GH
3
) = I(MH
4
) = I(KH
5
) = I(HH
6
) = I(MH
7
) = 1
30
The Simpsons (Fortsetzung)
31
Vor- und Nachteile dieser aussagenlogischen Modellierung
Vorteile:
deklarativ-statisch, nicht prozedural-dynamisch
Welche Eigenschaften sollen gelten?
Nicht: Welche Schritte sind fr Lsung erforderlich?
modular
Neue Bedingungen werden durch zustzliche Formeln bercksichtigt.
Nachteile:
Erraten von Parametern
n muss durch Probieren gefunden werden
Groe Zahl an Variablen und Formeln
Dynamik muss durch indizierte Variablen simuliert werden.
Frame Problem
Bei jede Aktion muss auch deniert werden, was sich nicht ndert.
unintuitiv
Bei der Modellierung von Ablufen denkt man an Zustnde und
bergnge, nicht an statische Bedingungen.
32
Was Sie heute erwartet
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
4. Endliche Automaten
4.1. Beispiele
4.2. Klassikation
33
The Simpsons Modellierung als Automat
Systemkomponenten: Maggie (M), Knecht Ruprecht (K), Gift (G),
Homer+Boot (H), linkes/rechtes Flussufer
Situationsbeschreibung (Systemzustand):
Lebewesen/Dinge links
Lebewesen/Dinge rechts
(Wer/Was bendet sich momentan auf welcher Seite des Flusses?)
Anfangszustand:
MKGH
Endzustand (Ziel):
MKGH
Verbotene Zustnde:
GH
MK
,
MK
GH
,
KH
MG
,
MG
KH
,
H
MKG
,
MKG
H
Zustandsbergnge:
h, m, k, g . . . Homer fhrt alleine/mit Maggie/KR/Gift ber den Fluss
34
Automat (ohne verbotene bergnge):
MKGH KG
MH
KGH
M
K
MGH
G
MKH
MKH
G
MGH
K
M
KGH
MH
KG MKGH
m
m
h
h
g g
k k
m
m
m
m
k k
g g
h
h
m
m
Mgliche Lsungen: mhkmghm, mmmhhhgmkhm, . . . , mhkmgkmgkmghm, . . .
Sprache des Automaten
35
Beispiel: Reelle Numerale mit Exponentialteil
Z.B. 3.14, 0.314E1 (= 0.314 10
1
), 314.E-2 (= 314 10
2
)
Mindestens eine Zier vor Dezimalpunkt
Dezimalpunkt
Nachkommastellen optional
Exponentialteil optional:

eingeleitet durch E

Vorzeichen optional

mindestens eine Zier

Endlicher Automat fr die reellen Numerale
1 2 3 4 5 6
0..9
0..9 .
0..9
E
+
-
0..9
0..9
0..9 . . . Abkrzung fr 10 parallele bergnge beschriftet mit 0 bis 9.
. . . Leerwort, Nichts
36
1 2 3 4 5 6
0..9
0..9 .
0..9
E
+
-
0..9
0..9
Zustandsbeschriftungen 16 dienen nur der Bezugnahme, irrelevant
fr das Verhalten des Automaten
Kanten sind mit Symbolen beschriftet, die gelesen/geschrieben
werden.
Anfangszustand (1) ist durch einen Pfeil aus dem Nichts markiert.
Endzustnde (3, 6) sind durch einen Doppelkreis markiert.
Zwei Sichtweisen:
Akzeptor: Der Automat liest Symbole und akzeptiert alle
Zeichenketten, die vom Anfangs- zu einem der Endzustnde fhren.
Generator: Der Automat schreibt Symbole und generiert jene
Zeichenketten, die vom Anfangs- zu einem der Endzustnde fhren.
37
Was Sie heute erwartet
1. Organisatorisches
2. Was bedeutet Modellierung?
3. Aussagenlogik
4. Endliche Automaten
4.1. Beispiele
4.2. Klassikation
38
Endliche Automaten modellieren Systeme bzw. Ablufe, die nur eine
begrenzte, feste Zahl an unterscheidbaren Zustnden besitzen.
Kennzeichen:
endliche Menge von Zustnden
bergnge zwischen Zustnden
Eingaben, die die bergnge steuern.
Ausgaben oder Aktionen, die in den Zustnden oder whrend der
bergnge gettigt werden.
Anfangszustand
Endzustnde (optional)
deterministisch: Der momentane Zustand und die nchste Eingabe
bestimmen eindeutig den Folgezustand.
nichtdeterministisch: Es gibt Zustnde, die bei manchen Eingaben
mehrere mgliche Folgezustnde besitzen.
39
Arten endlicher Automaten
(Klassischer) Endlicher Automat:
Anfangs- und Endzustnde
nur Eingaben (bzw. nur Ausgaben)
Ein-/Ausgaben verknpft mit Zustandsbergngen
verarbeitet endliche Symbolfolgen
Unterarten: deterministisch, nichtdeterministisch mit/ohne
-bergngen
Transducer: wie endlicher Automat, aber mit Ein- und Ausgaben.
Mealy-Automat: deterministischer Transducer; in der Regel keine
Endzustnde, verarbeitet daher unendliche Symbolfolgen.
Moore-Automat: wie Mealy-Automat, die Ausgaben sind aber mit den
Zustnden verknpft.
Bchi-Automat: wie endlicher Automat, verarbeitet aber unendliche
Symbolfolgen
Weitere Typen: Verallgemeinerter endlicher Automat, Muller-Automat,
Rabin-Automat, Baumautomaten, . . .
40
Englische Begrie: automaton/automata, nite state machine,
DFA (Deterministic Finite Automaton), NFA (Non-Determinstic FA)
Weitere (nicht-endliche) Automatenarten: Kellerautomaten (Push-down
automata), Turing-Maschinen, Registermaschinen etc. knnen Ausgaben
wieder lesen zustzlicher Speicher, mchtiger als endliche Automaten.
Spezikation von Automaten:
Graphisch: Zustnde sind Knoten, bergnge sind Kanten, Ein- und
Ausgaben sind Beschriftungen von Knoten und Kanten.
Tabellarisch: Zu jedem Zustand und Eingabesymbol gibt es einen
Eintrag mit zugehriger Ausgabe und den Folgezustnden.
41