SlideShare uma empresa Scribd logo
1 de 12
Baixar para ler offline
Problema da Parada

  Davi Felipe Russi
  Leonardo Quatrin Campagnolo
  Vitor da Silva
Prova

   Queremos provar que o problema da
   parada é indecidível.
   Usaremos o método da Diagonalização.
   Vamos provar por contradição para isso
   iremos dizer que a MT é decidível.
Prova cont.
   Supondo que um MT H decide AMT.
   Então a partir de H contruiremos uma
   MT D que, quando recebe uma entrada
   <M>, determina se M aceita <M>, e
   então D faz o oposto.
   Em suma, se M aceita, D rejeita, se M
   rejeita, D aceita.
   Se rodarmos D com a entrada <D>
   temos uma contradição.
Prova cont.

   H aceita <M, w> quando M aceita w.

   D Rejeita <M> quando M aceita <M>.

   D rejeita <D> quando D aceita <D>
Prova cont.

    A diagonalização fica aparente quando
    construirmos as tabelas de
    comportamento para as MTs H e D.
    Tomamos a MT:
 - A entrada é aceite se a máquina aceita
 mas é branco se rejeita ou entra em loop
 sobre aquela entrada.
Prova cont.

       <M1> <M2> <M3> <M4> ...
 M1    aceite          aceite         ...
 M2    aceite aceite aceite aceite ...
 M3                                   ...
 M4    aceite aceite                  ...
 ...   ...      ...    ...      ...   ...
Prova (cont.)
 Agora criaremos a tabela para maquina H
 onde:

 H(<M, w>) = aceite se M aceita w
             rejeita se M não aceita w
Máquina Turing H(<M, w>)

       <M1> <M2> <M3> <M4> ...
 M1    aceite rejeite aceite rejeite ...
 M2    aceite aceite aceite aceite ...
 M3    rejeite rejeite rejeite rejeite ...
 M4    aceite aceite rejeite rejeite ...
 ...   ...     ...     ...     ...      ...
Prova (cont.)

 Agora tomamos a máquina D da seguinte
 maneira.
 D(<M>) = aceite se M não aceita <M>
           rejeite se M aceita <M>
 Logo se tomarmos a entrada D na
 máquina D
 D(<D>) = aceite se D não aceita <D>
           rejeite se D aceita <D>
Prova (cont.)

 Como nossa hipótese garante que H é
 uma MT e o mesmo acontece com D.
 Note que D computa o oposto das
 entradas da diagonal de H(<M, w>). A
 contradição ocorre no ponto em que a
 maquina D tenta computar a entrada D ou
 seja quando ela tenta computar ela
 mesma.
Adicionando D
      <M1>      <M2>      <M3>      <M4>      ...   <D>

 M1   aceite    rejeite   aceite    rejeite         aceite

 M2   aceite    aceite    aceite    aceite          aceite

 M3   rejeite   rejeite   rejeite   rejeite         rejeite

 M4   aceite    aceite    rejeite   rejeite         aceite

 .
 .
 .
 D    rejeite   rejeite   aceite    aceite          ?=?
Conclusão

 Se rodarmos D sobre a sua descrição, teremos:
 Se D aceita, então D rejeita, mas como D deveria ter
 aceitado, vimos que chegamos a um ponto aonde
 nao é possível decidir se o resultado é de aceitação
 ou rejeição, pois D sempre é forçado a fazer o
 oposto, gerando uma contradição, onde a entrada
 deve ser o contrário dela mesma.
         Logo, este problema é indecidível.

Mais conteúdo relacionado

Mais procurados

Prim's Algorithm on minimum spanning tree
Prim's Algorithm on minimum spanning treePrim's Algorithm on minimum spanning tree
Prim's Algorithm on minimum spanning treeoneous
 
Conjunto dos números racionais
Conjunto dos números racionaisConjunto dos números racionais
Conjunto dos números racionaisalehendi
 
Inteligência Artificial - Aula2 - Busca em Grafos
Inteligência Artificial - Aula2 - Busca em GrafosInteligência Artificial - Aula2 - Busca em Grafos
Inteligência Artificial - Aula2 - Busca em GrafosRafael Pinto
 
Lecture 12 Heuristic Searches
Lecture 12 Heuristic SearchesLecture 12 Heuristic Searches
Lecture 12 Heuristic SearchesHema Kashyap
 
Função 1º grau definição e notação de função - exemplos resolvidos
Função 1º grau   definição e notação de função - exemplos resolvidosFunção 1º grau   definição e notação de função - exemplos resolvidos
Função 1º grau definição e notação de função - exemplos resolvidosAdriano Souza
 
Lec 5 asymptotic notations and recurrences
Lec 5 asymptotic notations and recurrencesLec 5 asymptotic notations and recurrences
Lec 5 asymptotic notations and recurrencesAnkita Karia
 
Estrutura de dados - Implementação de filas com listas
Estrutura de dados - Implementação de filas com listasEstrutura de dados - Implementação de filas com listas
Estrutura de dados - Implementação de filas com listasAdriano Teixeira de Souza
 
Sistemas de equacões
 Sistemas de equacões Sistemas de equacões
Sistemas de equacõesmarilia65
 
Unit26 shortest pathalgorithm
Unit26 shortest pathalgorithmUnit26 shortest pathalgorithm
Unit26 shortest pathalgorithmmeisamstar
 
Aula 7 expressão regular
Aula 7   expressão regularAula 7   expressão regular
Aula 7 expressão regularwab030
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoDelacyr Ferreira
 
Matemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntosMatemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntosUlrich Schiel
 
Aula 3 linguagens e gramaticas
Aula 3   linguagens e gramaticasAula 3   linguagens e gramaticas
Aula 3 linguagens e gramaticaswab030
 
Aulas 11-guloso Algoritmos
Aulas 11-guloso AlgoritmosAulas 11-guloso Algoritmos
Aulas 11-guloso AlgoritmosKevin Takano
 
Algoritmos de ordenação
Algoritmos de ordenaçãoAlgoritmos de ordenação
Algoritmos de ordenaçãoJonas Mendonça
 
Estrutura de Dados - PILHAS
Estrutura de Dados - PILHASEstrutura de Dados - PILHAS
Estrutura de Dados - PILHASAparicio Junior
 

Mais procurados (20)

Prim's Algorithm on minimum spanning tree
Prim's Algorithm on minimum spanning treePrim's Algorithm on minimum spanning tree
Prim's Algorithm on minimum spanning tree
 
Conjunto dos números racionais
Conjunto dos números racionaisConjunto dos números racionais
Conjunto dos números racionais
 
Inteligência Artificial - Aula2 - Busca em Grafos
Inteligência Artificial - Aula2 - Busca em GrafosInteligência Artificial - Aula2 - Busca em Grafos
Inteligência Artificial - Aula2 - Busca em Grafos
 
Lecture 12 Heuristic Searches
Lecture 12 Heuristic SearchesLecture 12 Heuristic Searches
Lecture 12 Heuristic Searches
 
Função 1º grau definição e notação de função - exemplos resolvidos
Função 1º grau   definição e notação de função - exemplos resolvidosFunção 1º grau   definição e notação de função - exemplos resolvidos
Função 1º grau definição e notação de função - exemplos resolvidos
 
Lec 5 asymptotic notations and recurrences
Lec 5 asymptotic notations and recurrencesLec 5 asymptotic notations and recurrences
Lec 5 asymptotic notations and recurrences
 
Estrutura de dados - Implementação de filas com listas
Estrutura de dados - Implementação de filas com listasEstrutura de dados - Implementação de filas com listas
Estrutura de dados - Implementação de filas com listas
 
Sistemas de equacões
 Sistemas de equacões Sistemas de equacões
Sistemas de equacões
 
Unit26 shortest pathalgorithm
Unit26 shortest pathalgorithmUnit26 shortest pathalgorithm
Unit26 shortest pathalgorithm
 
Aula 7 expressão regular
Aula 7   expressão regularAula 7   expressão regular
Aula 7 expressão regular
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método Guloso
 
Matemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntosMatemática Discreta - Parte IV teoria dos-conjuntos
Matemática Discreta - Parte IV teoria dos-conjuntos
 
Floyd-Warshall
Floyd-WarshallFloyd-Warshall
Floyd-Warshall
 
Aula 07 derivadas parciais. 3
Aula 07    derivadas parciais. 3Aula 07    derivadas parciais. 3
Aula 07 derivadas parciais. 3
 
Aula 3 linguagens e gramaticas
Aula 3   linguagens e gramaticasAula 3   linguagens e gramaticas
Aula 3 linguagens e gramaticas
 
Aulas 11-guloso Algoritmos
Aulas 11-guloso AlgoritmosAulas 11-guloso Algoritmos
Aulas 11-guloso Algoritmos
 
Algoritmos de ordenação
Algoritmos de ordenaçãoAlgoritmos de ordenação
Algoritmos de ordenação
 
Estrutura de Dados - PILHAS
Estrutura de Dados - PILHASEstrutura de Dados - PILHAS
Estrutura de Dados - PILHAS
 
Paa algoritmos gulosos
Paa  algoritmos gulososPaa  algoritmos gulosos
Paa algoritmos gulosos
 
slidesWtisc(1).pptx
slidesWtisc(1).pptxslidesWtisc(1).pptx
slidesWtisc(1).pptx
 

Mais de Davi Felipe Russi

Mais de Davi Felipe Russi (9)

Atalhos no windows 7
Atalhos no windows 7Atalhos no windows 7
Atalhos no windows 7
 
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros OnlineDesafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
Desafio – O Maléfico mundo dos Jogos - (Evil Game Design) Mario Bros Online
 
Sistemas Colaborativos Conhecimento Coletivo
Sistemas Colaborativos Conhecimento ColetivoSistemas Colaborativos Conhecimento Coletivo
Sistemas Colaborativos Conhecimento Coletivo
 
Titanium appacelerator
Titanium appaceleratorTitanium appacelerator
Titanium appacelerator
 
Monitor de asfalto
Monitor de asfaltoMonitor de asfalto
Monitor de asfalto
 
App banjo android
App banjo androidApp banjo android
App banjo android
 
Haskell
HaskellHaskell
Haskell
 
Apresentação bit torrent
Apresentação   bit torrentApresentação   bit torrent
Apresentação bit torrent
 
2 maquina de post
2 maquina de post2 maquina de post
2 maquina de post
 

Problema da parada

  • 1. Problema da Parada Davi Felipe Russi Leonardo Quatrin Campagnolo Vitor da Silva
  • 2. Prova Queremos provar que o problema da parada é indecidível. Usaremos o método da Diagonalização. Vamos provar por contradição para isso iremos dizer que a MT é decidível.
  • 3. Prova cont. Supondo que um MT H decide AMT. Então a partir de H contruiremos uma MT D que, quando recebe uma entrada <M>, determina se M aceita <M>, e então D faz o oposto. Em suma, se M aceita, D rejeita, se M rejeita, D aceita. Se rodarmos D com a entrada <D> temos uma contradição.
  • 4. Prova cont. H aceita <M, w> quando M aceita w. D Rejeita <M> quando M aceita <M>. D rejeita <D> quando D aceita <D>
  • 5. Prova cont. A diagonalização fica aparente quando construirmos as tabelas de comportamento para as MTs H e D. Tomamos a MT: - A entrada é aceite se a máquina aceita mas é branco se rejeita ou entra em loop sobre aquela entrada.
  • 6. Prova cont. <M1> <M2> <M3> <M4> ... M1 aceite aceite ... M2 aceite aceite aceite aceite ... M3 ... M4 aceite aceite ... ... ... ... ... ... ...
  • 7. Prova (cont.) Agora criaremos a tabela para maquina H onde: H(<M, w>) = aceite se M aceita w rejeita se M não aceita w
  • 8. Máquina Turing H(<M, w>) <M1> <M2> <M3> <M4> ... M1 aceite rejeite aceite rejeite ... M2 aceite aceite aceite aceite ... M3 rejeite rejeite rejeite rejeite ... M4 aceite aceite rejeite rejeite ... ... ... ... ... ... ...
  • 9. Prova (cont.) Agora tomamos a máquina D da seguinte maneira. D(<M>) = aceite se M não aceita <M> rejeite se M aceita <M> Logo se tomarmos a entrada D na máquina D D(<D>) = aceite se D não aceita <D> rejeite se D aceita <D>
  • 10. Prova (cont.) Como nossa hipótese garante que H é uma MT e o mesmo acontece com D. Note que D computa o oposto das entradas da diagonal de H(<M, w>). A contradição ocorre no ponto em que a maquina D tenta computar a entrada D ou seja quando ela tenta computar ela mesma.
  • 11. Adicionando D <M1> <M2> <M3> <M4> ... <D> M1 aceite rejeite aceite rejeite aceite M2 aceite aceite aceite aceite aceite M3 rejeite rejeite rejeite rejeite rejeite M4 aceite aceite rejeite rejeite aceite . . . D rejeite rejeite aceite aceite ?=?
  • 12. Conclusão Se rodarmos D sobre a sua descrição, teremos: Se D aceita, então D rejeita, mas como D deveria ter aceitado, vimos que chegamos a um ponto aonde nao é possível decidir se o resultado é de aceitação ou rejeição, pois D sempre é forçado a fazer o oposto, gerando uma contradição, onde a entrada deve ser o contrário dela mesma. Logo, este problema é indecidível.