Algorithm NFA到DFA转换的简明描述？

有没有比我聪明得多的人能向SO社区简要描述NFA到DFA的转换算法？（最好是500字或更少）我看过一些图表和讲座，这些图表和讲座只会混淆我认为我曾经知道的东西。我最有信心从状态图生成初始NFA转换表，但在那之后，我在ε和子集中丢失了DFA

1） 在转换（增量）表中，哪一列表示新的DFA状态？它是生成状态的第一列吗

2） 在我下面示例的第0列第{2,3}行中，{2,3}对于NFA的状态图意味着什么？（对不起，我必须用图片来思考。）我假设这将是DFA中的“输入0上的循环”

3） 从表中获取DFA或识别结果DFA的接受状态时，有什么简单的“经验法则”吗

有限自治

delta  |  0    |  1     |
=======+=======+========+
{1}    |{1}    |{2}     |
{2}    |{3}    |{2,3}   |
{3}    |{2}    |{2,4}   |
{2,3}  |{2,3}  |{2,3,4} |
{2,4}  |{3,4}  |{2,3,4} |
{2,3,4}|{2,3,4}|{2,3,4} |
{3,4}  |{2,4}  |{2,4}   |

---

编辑：这是上面的表格，谢谢

digraph dfa {
    rankdir = LR;
    size = "8,5"
/*  node [shape = doublecircle]; "1";*/
    node [shape = circle];

    "1" -> "1" [ label = "0" ];
    "1" -> "2" [ label = "1" ];

    "2" -> "3"   [ label = "0" ];
    "2" -> "2_3" [ label = "1" ];

    "3" -> "2"   [ label = "0" ];
    "3" -> "2_4" [ label = "1" ];

    "2_3" -> "2_3"   [ label = "0" ];
    "2_3" -> "2_3_4" [ label = "1" ];

    "2_4" -> "2_3"   [ label = "0" ];
    "2_4" -> "2_3_4" [ label = "1" ];

    "2_3_4" -> "2_3_4" [ label = "0" ];
    "2_3_4" -> "2_3_4" [ label = "1" ];
    "3_4" -> "2_4" [ label = "0" ];
    "3_4" -> "2_4" [ label = "1" ];
}

这里是呈现形式：

---

注意：表格缺少任何关于状态接受的信息，因此图表也是如此。

核心思想可能是理解DFA是一种叠加在NFA上的机器。虽然NFA在节点数量或其与问题的关系方面更简单，但其规则相当微妙和复杂（它进入正确的状态，无论哪种状态）。就其包含的节点而言，dfa要复杂得多，但有非常简单的规则，因为任何给定的输入都只有一个输出状态

这一转变相当艰难。DFA中的每个状态都是NFA中状态的子集。DFA的开始状态是仅包含NFA的开始状态的集合，DFA的接受状态是其所有状态，其中NFA的接受状态为元素

DFA中的过渡是唯一棘手的一方。NFA是不确定的，因为其给定输入的输出状态是一组状态，但DFA将相应的NFA状态集作为其自己的状态，表示自动机可能处于哪种NFA状态。因此，任何给定输入的任何DFA状态的输出状态都是该DFA状态的所有NFA状态的输出状态的并集

---

就实际实现而言，DFA有一个状态总体，它本质上是NFA状态的动力集。即，n个NFA州的2^（n）。实际上，它通常要小得多，但没有通用的方法来预测它的大小，因此一些实用的NFA到DFA实现在到达DFA状态时动态生成并缓存它们。一旦创建了一定数量的状态，最近使用最少的状态将被丢弃，从而限制缓存的大小

当您从NFA构建DFA时，基本上可以找到NFA在一段时间内可以处于的状态集（就像模拟NFA一样）。首先从开始状态开始，然后查找通过ε变换可以达到的所有状态。这组状态构成结果DFA的开始状态。然后，按照此状态集的传出转换进行操作。这些可能会导致另一个NFA状态，因为您会再次发现通过epsilon输入可以访问的状态，并且您将获得另一组NFA状态，这将是一个新的DFA状态。您将执行此过程，直到完成为止

关键是，生成的DFA状态将成为兼容的旧NFA状态集（关于ε跃迁）。这些集合也可能重叠，这是没有错误的。现在我可以回答你们的问题了：

1） 第一列表示新的DFA状态。它显示了构成给定DFA状态的NFA状态集

2） 您的假设是正确的，这意味着在0输入上返回到状态{2,3}

3） DFA表可以很容易地从这个表中构造出来，只需用字母命名您的州。任何包含至少一个NFA接受状态的DFA状态也将成为DFA中的接受状态

我希望我说得足够清楚。

假设输入NFA是（S，Q，q0，T，F），其中S是输入符号集，Q是状态集，q0是开始状态，T是转换集，F是接受状态集。每个转换都是一个三元组（q，s，r），其中q和r是状态，s是长度为0或1的字符串

对于任何有限字符串s，设D（s）是所有状态的集合，这些状态可以从q0沿着一条过渡路径到达，这些过渡路径的标签连接在一起形成s

该算法需要做的是构造一个确定性自动机，其状态是Q的子集，这样对于任何字符串s，DFA将最终处于状态D（s）

如果是这种情况，那么任何包含NFA接受状态的DFA状态都应该是DFA的接受状态

---

考虑空字符串epsilon；D（“”）将是q0的epsilon闭包，即从q0可以达到的所有状态，仅在标记为空字符串的转换之后。让我们称之为Q0。（在您的示例D（“”={1}）中，现在我们“探索”该状态，这意味着：对于每个输入符号a，您将计算出该符号的转换位置，即该状态之外的位置。这将导致您发现更多需要在DFA中的状态。（在你的例子中，S={0,1}，所以这些状态将是D（“0”）={1}和D（“1”）={2}。但是D（“0”）和D{2}是一样的；所以它不是新的。所以现在唯一已经发现但没有探索的状态是D（“1”））然后继续探索状态，直到没有更多的状态被发现，但还没有被探索。

00ps，我忘了我的例子。让我很快把它打进去……RE:2）这对原始NFA意味着什么？RE:3）如果在上面的例子中4是一个接受状态，那么相应的DFA接受状态会是{2,4}，{2,3,4}和{3,4}2）你能从中读到的只有