NFA的确定化
NFA的确定化
该方法称为子集法：
按字符将起始状态集与到达状态集抽象为状态，从而等价地化为单值映射， ε弧按照语义被吸收，由 ε-closure 运算去除
首先定义 ε-closure 运算：
设 I 是状态集的一个子集，则 I 的 ε-闭包 ε-closure(I) 为
- 若状态s∈I，则s∈ε-closure(I)
- 若状态s∈I，则从s出发经过任意条 ε弧可以到达的任何状态s’，都属于ε-closure(I)
再定义Ia运算：
设a为Σ中的一个字符，定义Ia=ε-closure(J)，其中，
J为I中的某个状态出发经过一条a弧而到达的状态集合,Ia即是为这样的集合作ε-闭包
以下图的NFA为例，说明ε-闭包及Ia运算
ε-closure({1}) = {1,2}
记 I = {1,2}，则 Ia= ε-closure({5,4,3}) = {5,4,3,6,2,7,8}
在下图NFA中使用子集法进行确定化
如下表，表头为参与计算的状态集 I，各字符的运算结果 Ii，其中i∈Σ
每个计算出的状态集再进行 Ii 的运算、
因为Σ为有限集，所以这张表也是有限的
这张表实际上就是状态集 I 接收字符 i 后到达状态集 Ii，描述了状态集间的单值映射
将每个状态集视为新的状态，该表即为一个状态转换矩阵
这个状态转换矩阵就是一个新的FA，而且是一个DFA
其中含有原先初态X的状态集为新的初态，含有原来任何一个终态的状态集都是新的终态
不难看出，这就是识别含有aa或bb的字的DFA
那么，现在的词法分析的理论已经是下面酱紫了
小结：程序设计语言的单词集合是一个正规集，可以由正规式描述，正规式与正规集是一组对应的概念；FA分为DFA和NFA，NFA易于人工设计，DFA易于词法分析的程序实现，从定义上来看，DFA是NFA的特例，而NFA与DFA的描述是相同的，并且NFA可以等价地转换为DFA
DFA的化简即是状态集按等价类的划分
- 使任何两个不同的子集中的状态是可区分的，而同一状态中的任意状态间是等价的
- 任何两个子集均不相交
- 最后每个子集保留一个状态
I = {0,1,2,3,4,5,6}，其中终态为{3,4,5,6}
∴初始划分为 I(1) = {3,4,5,6}，I(2) = {0,1,2}
等待划分的子集有 I(1)、I(2)，Π = {I(1)，I(2)}
检查 I(1) 是否可以按字符 a 或 b 进行划分，Ia(1)包含于 I(1) ，Ib(1)也包含于 I(1) ， 即 I(1) 中各状态是等价的，无须划分
等待划分的子集有 I(2)，Π = {I(1)，I(2)}
检查 I(2) 是否可以按字符 a 进行划分，Ia(2) = {1,3}，分别落在I(1)和I(2)中， 因此将 I(2) 划分为 I(21) = {0,2}，I(22) = {1}
等待划分的子集有 I(21)、I(22)，Π = {I(1)，I(21)， I(22)}
检查 I(21) 是否可以按字符 a 划分，（其实已经检查过了 ）， Ia(21) 包含于 I(22)， 检查 I(21) 是否可以按字符 b 划分，Ib(2) = {2,4}，分别落在 I(21) 和 I(1) 中， 因此将 I(21) 划分为 I(211) = {0}， I(212) = {2}
等待划分的子集有 I(22)、I(211)、I(212)，Π = {I(1)，I(22)，I(211)，I(212)}
I(22)大小为1，无须继续划分 I(211)大小为1，无须继续划分 I(212)大小为1，无须继续划分
划分完毕，Π = {I(1)，I(22)，I(211)，I(212)} I(1) = {3,4,5,6}，I(22) = {1}，I(211) = {0}，I(212) = {2}
则保留状态 0、1、2、3，其中0为初态，3为终态 按照转换关系，得到化简结果如下
原文链接：https://blog.csdn.net/kafmws/article/details/96595750
