CN108205453A - 面向大数据的时限图灵机方法和系统 - Google Patents

Abstract

本发明公开面向大数据的时限图灵机方法和系统，定义时限图灵机：M＝(Q,Σ,Γ,δ,q0,qaccept,qreject,T)，获取运行时限：弹出输入框，提示用户输入运行时限作为T；其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态。本发明通过给图灵机模型加上时间的限制，形成时限图灵机，从而满足大数据的实时性要求；不仅能应用于大数据，还能应用于其他易出错、易死机的计算或信息处理，使得系统不至于无效地消耗太多时间，而浪费用户的等待时间。

Description

面向大数据的时限图灵机方法和系统

技术领域

本发明涉及图灵机领域，尤其涉及面向大数据的时限图灵机方法和系统。

背景技术

图灵机是现有所有计算机、手机等电子设备以及电子系统、电子平台的计算模型。图灵机模型的优越性就在于既能适用于最古老的最原始的计算机，又能适用于最新最先进的计算机，既能适用于单台计算机，又能适用于分布式计算机集群，既能适合于小数据的处理，又能适用于大数据的处理，正是因为其通用性、普遍性，才能成为所有类型计算机和电子设备以及电子系统、电子平台的计算模型。

图灵机可以用M＝(Q，Σ，Γ，δ，q0,qaccept,qreject)，Q为状态集合，Σ为输入字符集合,存储带字符集合Γ＝Σ∪{□},转移函数δ：Q×Γ→Q×Γ×{L,R}，q0是初始状态,qaccept是接受状态,qreject是拒绝状态。

现有图灵机对处理的时间没有限制，但从大数据的应用而言，对时间是有要求的，因为大数据的几个特性之一就是实时性。如果没有实时性，那么就没有大数据技术的存在，因为传统的技术也可以处理大数据，只不过不具备实时性。

发明内容

本发明的目的是提供面向大数据的时限图灵机。

本发明的技术方案如下：

面向大数据的时限图灵机方法：

定义时限图灵机：M＝(Q,Σ,Γ,δ,q0,qaccept,qreject,T)，

获取运行时限：弹出输入框，提示用户输入运行时限作为T；

其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态。

进一步的，获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

进一步的，获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

最后，将终止计算前处理得到的中间结果返回给用户。

面向大数据的时限图灵机系统，包括基本图灵机和在基本图灵机加上时间限制，基本图灵机为M＝(Q,Σ,Γ,δ,q0,qaccept,qreject)，时间限制用T表示；

其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态；

弹出输入框，提示用户输入运行时限作为T。

进一步的，获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

进一步的，获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

最后，将终止计算前处理得到的中间结果返回给用户。

本发明的有益效果：本发明通过给图灵机模型加上时间的限制，形成时限图灵机，从而满足大数据的实时性要求；不仅能应用于大数据，还能应用于其他易出错、易死机的计算或信息处理，使得系统不至于无效地消耗太多时间，而浪费用户的等待时间。

附图说明

图1为本发明面向大数据的时限图灵机示意图；

图2为本发明基本图灵机示意图。

具体实施方式

为了更好的说明本发明，现结合实施例及附图作进一步的说明。

实施例

如图1所示，面向大数据的时限图灵机方法，

定义时限图灵机：M＝(Q,Σ,Γ,δ,q0,qaccept,qreject,T)；

获取运行时限：弹出输入框，提示用户输入运行时限作为T；T为用户期望的运行时长或通过知识库获取用户能够容忍的等待时间；知识库中存储有各种类型用户的容忍时长，然后根据当前用户能够容忍本次计算的时长，或通过知识库或深度学习得到当前计算，如果正确顺利运行所需的最大时长T，那么在运行时如果超过这个最大时长，则说明运行有异常，就应终止运行，而不应继续浪费时间，知识库中存储有各种类型应用及其该类应用各种规模数据的处理最大时长，然后根据当前应用的类型、当前应用的数据规模，通过模糊匹配或深度学习得到当前应用的处理最大时长，在深度学习时，将各类应用类型及其该类应用各种数据规模作为神经网络的输入，将运行所需的最大时长作为神经网络的输出，进行顺利和应用。其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态。T是运行时限，代表的是转移函数的转移次数有着限制。

获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

最后，将终止计算前处理得到的中间结果返回给用户。

如图1和图2所示，面向大数据的时限图灵机系统，包括基本图灵机和在基本图灵机加上时间限制，基本图灵机为M＝(Q,Σ,Γ,δ,q0,qaccept,qreject)，时间限制用T表示；

其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态；

弹出输入框，提示用户输入运行时限作为T。

进一步的，进获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

进一步的，获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

最后，将终止计算前处理得到的中间结果返回给用户。

Claims (8)

1.面向大数据的时限图灵机方法，其特征在于：

定义时限图灵机：M＝(Q,Σ,Γ,δ,q0,qaccept,qreject,T)，

获取运行时限：弹出输入框，提示用户输入运行时限作为T；

其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态。

2.根据权利要求1所述面向大数据的时限图灵机方法，其特征在于：获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

3.根据权利要求1所述面向大数据的时限图灵机方法，其特征在于：获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

4.根据权利要求2或3所述面向大数据的时限图灵机方法，其特征在于：将终止计算前处理得到的中间结果返回给用户。

5.面向大数据的时限图灵机系统，其特征在于：包括基本图灵机和在基本图灵机加上时间限制，所述基本图灵机为M＝(Q,Σ,Γ,δ,q0,qaccept,qreject)；所述时间限制用T表示；

其中：Q为状态集合，Σ为输入字符集合，Γ为存储带字符集合,Γ＝Σ∪{□}，δ为转移函数，δ：Q×Γ→Q×Γ×{L,R}；q0是初始状态，qaccept是接受状态，qreject是拒绝状态；

弹出输入框，提示用户输入运行时限作为T。

6.根据权利要求5所述面向大数据的时限图灵机系统，其特征在于：获取当前图灵机的总共运行时间，如总共运行时间超过T，则以qreject状态结束，说明超时计算失败。

7.根据权利要求5所述面向大数据的时限图灵机系统，其特征在于：获取当前图灵机的总共运行时间，如总共运行时间未超过T，则以qaccept状态结束，说明时限内计算成功。

8.根据权利要求6或7所述面向大数据的时限图灵机系统，其特征在于：将终止计算前处理得到的中间结果返回给用户。