正则表达式和有限自机.docVIP

第二部分 正规语言和有限自动机 语言往往是无限集，但描述的方法往往是有限的，一种方法是描述如何通过字符串操作由简单的字符串产生整个语言，或者描述如何通过集合操作由简单语言产生复杂语言。另一种方法是描述识别字符串是否属于某个语言的机制，也就是描述一个算法过程。 本书考察的最简单的语言类是正规语言，正规语言能够通过应用有限次的某个标准操作从一元语言产生。正规语言能够被有限自动机识别，有限自动机是空间严格受限的简单机器。 在第二部分，我们还考察正规语言的另外一些特点：1）导出将一种语言的描述翻译成另一种语言的描述的算法；2）使用形式化方法描述语言；3）正规语言在实际中的应用。 正则表达式和有限自动机正则语言和正则表达式regular language和regular expression有时也翻译成正规语言和正规表达式。 正则语言可以从非常简单的表达式得到，初始语言的字符串为空或单字母，仅使用合并、连接和?, 1}上的正则表达式，通过这些例子，能够感受到书写正则表达式的一些规律。 语言 相应的正则表达式 {(} ( {0} 0 {001}或{0}{0}{1} 001 {0, 1}或{0}({1} 0+1 {0, 10}或{0}({10} 0+10 {1, (}{001} (1+()001 {110}*{0, 1} (110)*(0+1) {1}*{10} 1*10 {10, 111, 11010}* (10+111+11010)* {0, 10}*({11}*({001, (}) (0+10)*((11)*+001+() 我们认为正则表达式表示的是相应语言的“最典型的字符串”，比如，1*10表示一个字符串，它以10结束，前面可以有任意多个数目的1。 我们在前面将正则语言描述成：在最简单的语言上仅仅使用三种运算合并、连接、Kleene连接所得到的语言。这种描述预示了正则语言的递归定义（参见2.4节）。下面递归定义不仅定义了语言，而且定义了正则表达式。 定义3.1 字母表(上正则语言类R，及其相应的正则表达式定义如下： 空集（即空语言）是正则语言，表达式是。 ?? 仅有空串的语言是正则语言，表达式是(。 每个a((，{a}是正则语言，表达式是a。 如果L1和L2是正则语言，表达式是r1和r2，则 L1(L2是正则语言，表达式是r1+r2。 L1L2是正则语言，表达式是r1r2。 L1*是正则语言，表达式是r1*。 只有应用上面?条规则产生的语言才是正则语言。对上面的解释做些解释。为了保持一致性和连贯性，空语言被认为是正则语言。后面许多地方将提到这样的说法：对于每个…为了书写简洁，省去大量的括号，我们规定正则表达式中运算符的优先级次序是? r2 (a+((b*)c)) a+b*c ((r*)r) r+ 同样借助代数学的记号，两个表示不同语言的正则表达式可以使用符号，比如：(a + b)* (?a + b* 我们还可以借用符号=来化简正则表达式，如 正则表达式的化简 1*(1+() = 1* 1*1* = 1* 0* + 1* = 1* + 0* (0*1*)* = (0+1)* (0+1)*01(0+1)*+1*0*=(0+1)* 其中一些化简用到的规则可以从集合运算规则得到，但另有一些是字符串运算特有的，目前我们还没有发现这种化简的系统的方法（或形式化方法），但上面的例子预示了化简的巨大作用。比如最后一行的例子，两个看似很复杂的语言，它们的并集却很简单。 问题：存不存在化简正则表达式的形式化方法（既是否存在化简正则表达式的通用算法）？是否存在最简洁的正则表达式？ 朱洪来信：我的印象中，它是NP-完全的问题。Please look at Garey and Johnsons book: computer and intractibility. 例子3.1 L({0, 1}*，由所有长度为偶数的字符串组成，（由于0是偶数，因此空串(属于L），问：L是否是正则语言？如果是，L对应的正则表达式是什么？ 解答：任何一个偶数长度的字符串都由多个（或0个）长度为2的字符串连接而成，而字母表{0, 1}上的长度为2的字符串只可能是4个：00、01、10、11，因此L可定义如下： L={00, 01, 10, 11}* 它的正则表达式是：(00+01+10+11)*或((0+1)(0+1))*。 例子3.2 L是定义在字母表{0, 1}上的包含奇数个1的字符串组成的语言，问L的正则表达式是什么？ 解答：显然L中的字符串至少有一个1，因此一定有这样的前缀0i10j，其后则有偶数个（或0个）1，因此可分解成多组10m10n的形式。由此得到L的正则表达式： 包含奇数个1的字符串组成的语言 0*10*