我将把这个答案分成两部分。第一部分将回答您最初的问题,第二部分将回答您在评论中提出的非确定性 FSA 问题。
管道
您可以使用pipes
在计算之间交错效果。首先,我将从您的代码稍作修改的版本开始:
data FA n s = FA { initSt1 :: n, endSt1 :: [n], trans1 :: n -> s -> n }
data State = S1 | S2 | S3 | S4 | S5 deriving (Eq, Show)
data Trans = A | B | C | D | E deriving (Read)
fa :: FA State Trans
fa = FA (S1) [S4,S5] t1
-- | Note non-matched transitions automatically goes to s0
t1 :: State -> Trans -> State
t1 S1 E = S1
t1 S1 A = S2
t1 S2 B = S3
t1 S2 C = S4
t1 S3 D = S5
t1 _ _ = S1
唯一的区别是我使用枚举而不是String
.State
接下来,我会将您的转换实现为Pipe
:
runFA :: (Monad m, Proxy p) => FA n s -> () -> Pipe (StateP n p) s n m r
runFA (FA _ _ trans) () = forever $ do
s <- request ()
n <- get
put (trans n s)
respond n
让我们仔细看看 的类型Pipe
:
() -> Pipe (StateP n p) s n m r
^ ^ ^
| | |
'n' is the state -+ | |
| |
's's come in -+ +- 'n's go out
所以你可以认为这是一个有效的scanl
. 它接收一个s
s 的流 usingrequest
并输出一个n
s 的流 using respond
。如果我们愿意,它实际上可以直接交错效果,但我会将效果外包给其他处理阶段。
当我们将其表述为 时Pipe
,我们可以选择输入和输出流是什么。例如,我们可以将输入连接到 impurestdin
并将输出连接到 impure stdout
:
import Control.Proxy
import Control.Proxy.Trans.State
main = runProxy $ execStateK (initSt1 fa) $
stdinS >-> takeWhileD (/= "quit") >-> mapD read >-> runFA fa >-> printD
这是一个处理管道,您可以将其解读为:
Pipe
以初始状态执行以下操作initSt
- 来自标准输入的流值
- 继续流式传输,直到其中一个值是
"quit"
- 应用于
read
所有值以将它们转换为Trans
es
- 通过我们的扫描有限状态自动机运行它们
- 打印
State
自动机发出的 s
让我们尝试一下:
>>> main
A
S1
B
S2
C
S3
A
S1
quit
S2
>>>
请注意它如何返回State
我们的自动机所在的最终结果。然后fmap
您可以测试此计算以查看它是否以终端节点结束:
>>> fmap (`elem` [S1, S2]) main
A
S1
B
S2
C
S3
A
S1
quit
True
或者,我们也可以将我们的自动机连接到纯输入和输出:
import Control.Proxy.Trans.Writer
import Data.Functor.Identity
main = print $ runIdentity $ runProxy $ runWriterK $ execStateK (initSt1 fa) $
fromListS [A, C, E, A] >-> runFA fa >-> liftP . toListD
该管道说:
- 在纯计算(即`runIdentity)中运行它并打印纯结果
- 用于
Writer
记录我们访问过的所有状态
- 用于
State
跟踪我们当前的状态
- 纯粹提供预定义转换列表
- 通过我们的 FSA 运行这些过渡
- 将输出记录到
Writer
,liftP
用于指定我们的目标Writer
我们也试试这个:
>>> main
(S2,[S1,S2,S4,S1])
输出最终状态和访问状态列表。
列表T
现在,您提出了第二个问题,即如何进行有效的非确定性计算。丹尼尔实际上是不正确的:您也可以使用 来将效果与不确定性交错pipes
!诀窍是使用ProduceT
,也就是pipes
实现ListT
。
首先,我将展示如何使用ProduceT
:
fsa :: (Proxy p) => State -> Trans -> ProduceT p IO State
fsa state trans = do
lift $ putStrLn $ "At State: " ++ show state
state' <- eachS $ case (state, trans) of
(S1, A) -> [S2, S3]
(S2, B) -> [S4, S5]
(S3, B) -> [S5, S2]
(S4, C) -> [S2, S3]
(S5, C) -> [S3, S4]
(_ , _) -> [S1]
return state'
上面的代码说:
- 打印当前状态
- 非确定性地绑定许多可能的转换
- 返回新的选中状态
为避免手动状态传递,我将换fsa
行StateT
:
import qualified Control.Monad.Trans.State as S
fsa2 :: (Proxy p) => Trans -> S.StateT State (ProduceT p IO) State
fsa2 trans = do
s <- S.get
s' <- lift $ fsa s trans
S.put s'
return s'
现在我可以使用mapM
. 完成后,我将其编译为Producer
using runRespondT
:
use1 :: (Proxy p) => () -> Producer p State IO ()
use1 () = runRespondT $ (`S.execStateT` S1) $ do
mapM_ fsa2 [A, B, C] -- Run the generator using four transitions
这会产生一个管道,其效果是打印它正在遍历的状态,并输出它遇到的最终状态流。我将输出连接到打印阶段,以便我们可以同时观察两者:
>>> runProxy $ use1 >-> printD
At State: S1
At State: S2
At State: S4
S2
S3
At State: S5
S3
S4
At State: S3
At State: S5
S3
S4
At State: S2
S1
我们可以观察自动机的路径以及它是如何回溯的。它在每一步之后打印出它当前的位置,然后在到达它们时立即发出所有 7 个最终状态。
对不起,如果这篇文章有点粗糙,但这是我能尽快做的最好的。