Поправил нумерацию задач. Удалил лишние.

tasks/task10.md

@@ -1,16 +1,40 @@
-# Задача 11. Тензорный алгоритм решения задачи достижимости с КС ограничениями
+# Задача 10. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
 
-* **Мягкий дедлайн**: 27.11.2022, 23:59
-* **Жёсткий дедлайн**: 30.11.2022, 23:59
-* Полный балл: 5
+* **Мягкий дедлайн**: !!!, 23:59
+* **Жёсткий дедлайн**: !!!, 23:59
+* Полный балл: 19
 
 ## Задача
 
-- [ ] Реализовать **функцию**, основанную на тензорном алгоритме, решающую задачу достижимости между всеми парами вершин для заданного графа и заданной КС грамматики.
-  - Результат работы функции --- множество троек вида (вершина, нетерминал, вершина).
-  - Предусмотрите возможность получать граф из различных источников в различных форматах.
-  - Предусмотрите возможность получать грамматику из различных источников (из файла, как результат работы других функций).
-  - Для преобразования грамматики в РКА использовать результаты предыдущих работ.
-  - Для реализации матричных операций использовать [sciPy](https://docs.scipy.org/doc/scipy/reference/sparse.html).
-- [ ] На основе предыдущей функции реализовать функцию, позволяющую решать задачу достижимости для заданного набора стартовых и финальных вершин, и заданного нетерминала.
-- [ ] Добавить необходимые тесты.
+Задача посвящена анализу производительности различных алгоритмов решения задачи достижимости между всеми парами вершин с контекстно-свободными ограничениями: алгоритма Хеллингса, матричного алгоритма, тензорного алгоритма. В ходе анализа необходимо ответить на следующие вопросы.
+- Какой из трёх указанных алгоритмов обладает лучшей производительностью?
+- Имеет ли смысл для решения задачи достижимости с регулярными ограничениями использовать алгоритмы для КС ограничений (ведь регулярные --- частный случай КС) или всё же лучше использовать специализированные алгоритмы для регулярных ограничений?
+
+Решение данной задачи оформляется как Python notebook. Для того, чтобы обеспечить возможность проверки, необходимо сделать notebook самодостаточным: в него должны быть включены все действия, необходимые для воспроизведения эксперимента. Также в notebook размещается отчет и анализ результатов ваших экспериментов в текстовом виде. Отчет сопровождается диаграммами, таблицами, картинками, если это необходимо для объяснения результатов.
+
+Решением является не просто код, но отчёт об экспериментальном исследовании, который должен являться связанным текстом и содержать (как минимум) следующие разделы:
+- Постановка задачи
+- Описание исследуемых решений
+- Описание набора данных для экспериментов
+  - Графы
+  - Запросы
+- Описание эксперимента
+  - Оборудование
+  - Что и как замерялось, как эти измерения должны помочь ответить на поставленные вопросы
+- Результаты экспериментов
+  - Графики, таблицы
+- Анализ результатов экспериментов
+  - Ответы на поставленные вопросы, аргументация ответов
+
+- [ ] Создать Python notebook, подключить необходимые зависимости.
+- [ ] Подключить необходимые решения из предыдущих работ.
+- [ ] Сформировать набор данных.
+  - [ ] Выбрать некоторые графы из [набора](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/index.html). Не забудьте обосновать, почему выбрали именно эти графы. Обратите внимание, что в наборе есть графы и грамматики для различных прикладных задач (анализ RDF, анализ указателей в С, анализ Java-программ). Рекомендуется выбирать графы, относящиеся к различным областям.
+  - [ ] В качестве запросов предлагается использовать грамматики из раздела "Canonical grammars" в описании соответствующего графа ([пример](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/data/taxonomy_hierarchy.html#canonical-grammars)).
+- [ ] Сформулировать этапы эксперимента. Что нужно сделать, чтобы ответить на поставленные вопросы? Почему?
+- [ ] Провести необходимые эксперименты, замеры
+- [ ] Оформить результаты экспериментов
+- [ ] Провести анализ результатов
+  - [ ] Ответить на поставленные вопросы
+  - [ ] Аргументировать ответы (пользуясь полученными результатами экспериментов)
+- [ ] Не забыть опубликовать notebook в репозитории

tasks/task11_bonus.md → tasks/task10_bonus.md

@@ -1,4 +1,4 @@
-# Задача 12. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
+# Задача 10. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
 
 * **Мягкий дедлайн**: 11.12.2022, 23:59
 * **Жёсткий дедлайн**: 14.12.2022, 23:59

tasks/task11.md

@@ -1,40 +1,202 @@
-# Задача 12. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
+# Задача 11. Язык запросов к графам
 
-* **Мягкий дедлайн**: 11.12.2022, 23:59
-* **Жёсткий дедлайн**: 14.12.2022, 23:59
+* **Жёсткий дедлайн**: 15.05.2024, 23:59
 * Полный балл: 10
 
-## Задача
+## Конкретный синтаксис
+```
+prog = stmt*
+
+stmt = bind | add | remove | declare
+
+declare = VAR 'is' 'graph'
+
+bind = 'let' VAR '=' expr
+
+remove = 'remove' ('vertex' | 'edge' | 'vertices') expr 'from' VAR
+
+add = 'add' ('vertex' | 'edge') expr 'to' VAR
+
+expr = NUM | CHAR | VAR | edge_expr | set_expr | regexp | select
+
+set_expr = '[' expr (',' expr)* ']'
+
+edge_expr = '(' expr ',' expr ',' expr ')'
+
+regexp = CHAR | VAR | '(' regexp ')' | (regexp '|' regexp) | (regexp '^' range) | (regexp '.' regexp) | (regexp '&' regexp)
+
+range = '[' NUM '..' NUM? ']'
+
+select = v_filter? v_filter? 'return' VAR (',' VAR)? 'where' VAR 'reachable' 'from' VAR 'in' VAR 'by' expr
+
+v_filter = 'for' VAR 'in' expr
+
+VAR = [a..z]+[a..z 0..1]*
+NUM = [1..9]+[0..9]*
+CHAR = '"' [a..z] '"'
+
+```
+
+Пример запроса.
+
+```
+let g is graph
+
+add edge (1, "a", 2) to g
+add edge (2, "a", 3) to g
+add edge (3, "a", 1) to g
+add edge (1, "c", 0) to g
+add edge (0, "b", 4) to g
+add edge (4, "b", 0) to g
+
+let q = "a"^[1..3] . q . "b"^[2..3] | "c"
+
+let r1 = for v in [2] return u where u reachable from v in g by q
+
+add edge (0, "d", 5) to g
+
+let r2 = for v in [2,3] return u,v where u reachable from v in g by (q . "d")
+
+```
+
+## Правила вывода типов
+
+Константы типизируются очевидным образом.
+
+Тип переменной определяется типом выражения, с которым она связана.
+```
+[b(v)] => t
+_________________
+[Var (v)](b) => t
+```
+
+Пересечение для двух КС не определено.
+
+```
+[e1](b) => FA ;  [e2](b) => FA
+______________________________________
+[Intersect (e1, e2)](b) => FA
+
+
+[e1](b) => FA ;  [e2](b) => RSM
+_______________________________________
+[Intersect (e1, e2)](b) => RSM
+
+
+[e1](b) => RSM ;  [e2](b) => FA
+_______________________________________
+[Intersect (e1, e2)](b) => RSM
+
+```
+
+Остальные операции над автоматами типизируются согласно формальных свойств классов языков.
+```
+[e1](b) => FA ;  [e2](b) => FA
+_____________________________________
+[Concat (e1, e2)](b) => FA
+
+
+[e1](b) => FA ;  [e2](b) => RSM
+______________________________________
+[Concat (e1, e2)](b) => RSM
+
 
-Задача посвящена анализу производительности различных алгоритмов решения задачи достижимости между всеми парами вершин с контекстно-свободными ограничениями: алгоритма Хеллингса, матричного алгоритма, тензорного алгоритма. В ходе анализа необходимо ответить на следующие вопросы.
-- Какой из трёх указанных алгоритмов обладает лучшей производительностью?
-- Имеет ли смысл для решения задачи достижимости с регулярными ограничениями использовать алгоритмы для КС ограничений (ведь регулярные --- частный случай КС) или всё же лучше использовать специализированные алгоритмы для регулярных ограничений?
-
-Решение данной задачи оформляется как Python notebook. Для того, чтобы обеспечить возможность проверки, необходимо сделать notebook самодостаточным: в него должны быть включены все действия, необходимые для воспроизведения эксперимента. Также в notebook размещается отчет и анализ результатов ваших экспериментов в текстовом виде. Отчет сопровождается диаграммами, таблицами, картинками, если это необходимо для объяснения результатов.
-
-Решением является не просто код, но отчёт об экспериментальном исследовании, который должен являться связанным текстом и содержать (как минимум) следующие разделы:
-- Постановка задачи
-- Описание исследуемых решений
-- Описание набора данных для экспериментов
-  - Графы
-  - Запросы
-- Описание эксперимента
-  - Оборудование
-  - Что и как замерялось, как эти измерения должны помочь ответить на поставленные вопросы
-- Результаты экспериментов
-  - Графики, таблицы
-- Анализ результатов экспериментов
-  - Ответы на поставленные вопросы, аргументация ответов
-
-- [ ] Создать Python notebook, подключить необходимые зависимости.
-- [ ] Подключить необходимые решения из предыдущих работ.
-- [ ] Сформировать набор данных.
-  - [ ] Выбрать некоторые графы из [набора](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/index.html). Не забудьте обосновать, почему выбрали именно эти графы. Обратите внимание, что в наборе есть графы и грамматики для различных прикладных задач (анализ RDF, анализ указателей в С, анализ Java-программ). Рекомендуется выбирать графы, относящиеся к различным областям.
-  - [ ] В качестве запросов предлагается использовать грамматики из раздела "Canonical grammars" в описании соответствующего графа ([пример](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/data/taxonomy_hierarchy.html#canonical-grammars)).
-- [ ] Сформулировать этапы эксперимента. Что нужно сделать, чтобы ответить на поставленные вопросы? Почему?
-- [ ] Провести необходимые эксперименты, замеры
-- [ ] Оформить результаты экспериментов
-- [ ] Провести анализ результатов
-  - [ ] Ответить на поставленные вопросы
-  - [ ] Аргументировать ответы (пользуясь полученными результатами экспериментов)
-- [ ] Не забыть опубликовать notebook в репозитории
+[e1](b) => RSM ;  [e2](b) => FA
+______________________________________
+[Concat (e1, e2)](b) => RSM
+
+
+[e1](b) => RSM ;  [e2](b) => RSM
+______________________________________
+[Concat (e1, e2)](b) => RSM
+
+```
+
+```
+[e1](b) => FA ;  [e2](b) => FA
+______________________________________
+[Union (e1, e2)](b) => FA
+
+
+[e1](b) => FA ;  [e2](b) => RSM
+_______________________________________
+[Union (e1, e2)](b) => RSM
+
+
+[e1](b) => RSM ;  [e2](b) => FA
+_______________________________________
+[Union (e1, e2)](b) => RSM
+
+
+[e1](b) => RSM ;  [e2](b) => RSM
+_______________________________________
+[Union (e1, e2)](b) => RSM
+
+```
+
+```
+[e](b) => FA
+______________________
+[Repeat (e)](b) => FA
+
+
+[e](b) => RSM
+______________________
+[Repeat (e)](b) => RSM
+
+```
+
+```
+[e](b) => char
+________________________
+[Symbol (e)](b) => FA
+
+```
+
+Запрос возвращает множество (вершин или пар вершин)
+
+```
+[e](b) => Set<int>
+_______________________________
+[VFilter (v, e)](b) => Set<int>
+
+
+[q](b) => RSM, [ret](b) => int
+_____________________________________________________
+[Select (vf1, vf2, ret, v1, v2, g, q)](b) => Set<int>
+
+
+[q](b) => FA, [ret](b) => int
+_____________________________________________________
+[Select (vf1, vf2, ret, v1, v2, g, q)](b) => Set<int>
+
+
+[q](b) => FA, [ret](b) => int * int
+____________________________________________________________
+[Select (vf1, vf2, ret, v1, v2, g, q)](b) => Set<int * int>
+
+
+[q](b) => RSM, [ret](b) => int * int
+____________________________________________________________
+[Select (vf1, vf2, ret, v1, v2, g, q)](b) => Set<int * int>
+
+```
+
+
+## Динамическая семантика языка запросов
+
+Связывание переопределяет имя.
+
+```
+[e](b1) => x,b2
+_____________________________________
+[Bind (v, e)](b1) => (), (b1(v) <= x)
+
+```
+
+Результатом исполнения программы является словарь, где ключ --- имя переменной в связывании, у которого в правой части select, а значение --- результат вычисления соответствующего запроса.
+
+## Задача
+- [ ] С использованием ANTLR реализовать синтаксический анализатор предложенного выше языка. А именно, реализовать функцию, которая принимает строку и возвращает дерево разбора.
+- [ ] Реализовать функцию, которая по дереву разбора возвращает количество узлов в нём.
+- [ ] Реализовать функцию, которая по дереву разбора строит строку, которая была разобрана.