Linguaggi di Programmazione I – Lezione 1wpage.unina.it/pieroandrea.bonatti/didattica/linguaggi/Lezione01.pdf · problema, il linguaggio di programmazione. Obbiettivi generali Introduzione

LP1 – Lezione 1 1 / 41

Linguaggi di Programmazione I – Lezione 1

Prof. P. A. Bonattimailto://[email protected]

http://people.na.infn.it/ bonatti

Si ringrazia il Prof. Marcello Sette per il materiale didattico

6 marzo 2012

mailto://[email protected]

http://people.na.infn.it/~bonatti

Panoramica della lezione


Introduzione al corso

Linguaggi (di programmazione)

Macchine astratte

Paradigmi computazionali



Obbiettivi specifici

Obbiettivi generali

Scheduling

Esame

Altre informazioni

Linguaggi (diprogrammazione)

Macchine astratte

Paradigmicomputazionali





Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Spiegare le differenze tra i vari paradigmi di programmazione -in particolare dei paradigmi imperativo e ad oggetti - e sul loroimpatto sullo stile di soluzione dei problemi.

■ Mostrare cenni sui criteri di progetto e le tecniched’implementazione dei linguaggi di programmazione

■ Capacita media di progettare ad oggetti.




Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Spiegare le differenze tra i vari paradigmi di programmazione -in particolare dei paradigmi imperativo e ad oggetti - e sul loroimpatto sullo stile di soluzione dei problemi.

■ Mostrare cenni sui criteri di progetto e le tecniched’implementazione dei linguaggi di programmazione

■ Capacita media di progettare ad oggetti.

■ Capacita media di programmare in Java.

Obbiettivi generali



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Migliorare l’abilita nel risolvere i problemi.

Obbiettivi generali



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte




■ Imparare a usare meglio i linguaggi di programmazione.

Obbiettivi generali



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte





■ Imparare a scegliere piu intelligentemente, in dipendenza delproblema, il linguaggio di programmazione.

Obbiettivi generali



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte





■ Imparare a scegliere piu intelligentemente, in dipendenza delproblema, il linguaggio di programmazione.

■ Aumentare la capacita di imparare linguaggi di programmazione(che sono TANTI!).

Scheduling



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Parte prima – 8 lezioni

1. Paradigmi dei linguaggi di programmazione.

2. Il modello imperativo.

3. Il modello ad oggetti.

4. Progettazione orientata ad oggetti e UML.

Scheduling



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Parte prima – 8 lezioni

1. Paradigmi dei linguaggi di programmazione.

2. Il modello imperativo.

3. Il modello ad oggetti.

4. Progettazione orientata ad oggetti e UML.

■ Parte seconda (Java) – 15 lezioni

1. Studio dei costrutti fondamentali: identificatori, parolechiave, tipi; espressioni e controllo di flusso; array;ereditarieta; overloading e overriding; polimorfismo.

2. Studio dei costrutti piu avanzati: qualificatori di classi,metodi, attributi; classi astratte; interfacce; classi interne;gestione degli errori: eccezioni.

Esame



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



L’esame consistera in due scritti:

1. sulla prima parte del corso

2. su Java

Esame



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



L’esame consistera in due scritti:

1. sulla prima parte del corso

2. su Java

Solo in casi per noi dubbi, un orale. Inoltre:

■ In caso di grave insufficienza non sara possibile sostenere altreprove scritte fino alla sessione successiva

■ E’ possibile mantenere il voto di una prova scritta fino alla finedell’anno accademico

■ L’ultima prova sostenuta cancella le precedenti (anche se eandata peggio)

Altre informazioni



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Libri di testo:

◆ Dershem - Jipping. Programming languages: structures

and models.

◆ Wampler. The essence on object oriented programming

with Java and UML.

◆ Fowler. UML distilled.

◆ Eckel. Thinking in Java.

◆ Gabbrielli - Martini. Linguaggi di programmazione:

Principi e paradigmi

http://people.na.infn.it/~bonatti/didattica/

Altre informazioni



Obbiettivi generali

Scheduling

Esame

Altre informazioni


Macchine astratte



■ Libri di testo:

◆ Dershem - Jipping. Programming languages: structures

and models.

◆ Wampler. The essence on object oriented programming

with Java and UML.

◆ Fowler. UML distilled.

◆ Eckel. Thinking in Java.

◆ Gabbrielli - Martini. Linguaggi di programmazione:

Principi e paradigmi

■ Materiali: http://people.na.infn.it/ bonatti/didattica/

◆ Accesso con ldprog-1 e algol-60

■ Ricevimento studenti: per appuntamento con email al docente

http://people.na.infn.it/~bonatti/didattica/

Linguaggi (di programmazione)



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia

Storia dei . . .. . . concettiintrodotti

Terminologia

Linguaggi completi

Macchine astratte



Sono ∼ 40?



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 10 / 41

Sono ∼ 80?



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 11 / 41

Quanti sono?



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 12 / 41

Quanti sono?



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 13 / 41

■ C’e chi dice addirittura qualche migliaio

◆ Come orientarsi?

◆ Come usarli bene?

◆ Come apprendere in fretta quelli nuovi?

■ Occorre comprensione astratta delle caratteristiche dei linguaggiper coglierne somiglianze/differenze

■ e per comprendere lo scopo di ciascun costrutto (ovvero iprincipi del language design)

Breve storia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 14 / 41

1954 FORTRAN (FORmula TRANslation)

Breve storia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 14 / 41


1960 COBOL (Common Business Oriented Language)ALGOL 60 (Algorithmic Oriented Language)

PL/1 (Programming Language 1)Simula 67ALGOL 68PASCAL

LISP (LISt Processing)APLBASIC

Breve storia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 14 / 41


1960 COBOL (Common Business Oriented Language)ALGOL 60 (Algorithmic Oriented Language)

PL/1 (Programming Language 1)Simula 67ALGOL 68PASCAL

LISP (LISt Processing)APLBASIC

1970/80 PROLOGSMALLTALKCMODULA/2ADA

Storia dei concetti introdotti dai progenitori dell’oggi

LP1 – Lezione 1 15 / 41

Fortran: nato per manipolazionealgebrica; introduce: variabili,statement di assegnazione,concetto di tipo, subroutine,iterazione e statement condizionali,go to, formati di input e output.Gestione solo statica dellamemoria, no ricorsione, nostrutture dinamiche, no tipi definitida utente.


LP1 – Lezione 1 15 / 41


Cobol: indipendenza dalla macchina estatement “English like”. Orientatoai database. Introduce il record.


LP1 – Lezione 1 15 / 41



Algol60: indipendenza dalla macchinae definizione mediante

grammatica(bakus-naur form),strutture a blocco, supportogenerale dell’iterazione e ricorsione.


LP1 – Lezione 1 15 / 41



Algol60: indipendenza dalla macchinae definizione mediante

grammatica(bakus-naur form),strutture a blocco, supportogenerale dell’iterazione e ricorsione.

Lisp: primo vero linguaggio dimanipolazione simbolica,paradigma funzionale, non c’e lostatement di assegnazione, e quindiconcettualmente non c’e “il valore”ovvero l’idea di cambiare lo statodella memoria. Non c’e differenzaconcettuale fra funzione e dato:dipende dall’uso. Prima versioneessenzialmente non tipata.


LP1 – Lezione 1 16 / 41

Prolog: primo (e principale) linguaggiodi programmazione logica(paradigma logico). Tra lecaratteristiche innovative:invertibilita, programmazione instile nondeterministico (generateand test). Essenzialmente nontipato; estensioni (tipi e altro)mediante metaprogrammazione.


LP1 – Lezione 1 16 / 41


Simula 67: classe comeincapsulamento di dati e procedure,istanze delle classi (oggetti):anticipatorio del concetto di tipo didato astratto implementati in Ada

e Modula2, e del concetto di classedi Smalltalk e C++.


LP1 – Lezione 1 16 / 41




PL/1: abilita ad eseguire procedurespecificate quando si verifica unacondizione eccezionale;“multitasking”, cioe specificazionedi tasks che possono essere eseguitiin concorrenza.


LP1 – Lezione 1 16 / 41




PL/1: abilita ad eseguire procedurespecificate quando si verifica unacondizione eccezionale;“multitasking”, cioe specificazionedi tasks che possono essere eseguitiin concorrenza.

Pascal: programmazione strutturata,tipi di dato definiti dautente,ricchezza di strutture dati.Ma ancora niente encapsulation; sidovra aspettare Modula.

Terminologia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 17 / 41

■ Linguaggio di programmazione: e un linguaggio che e usatoper esprimere (mediante un programma) un processo con ilquale un processore puo risolvere un problema.

Terminologia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 17 / 41


■ Processore: e la macchina che eseguira il processo descrittodal programma; non si deve intendere come un singolo oggetto,ma come una architettura di elaborazione.

Terminologia



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 17 / 41


■ Processore: e la macchina che eseguira il processo descrittodal programma; non si deve intendere come un singolo oggetto,ma come una architettura di elaborazione.

■ Programma: e l’espressione codificata di un processo.

Linguaggi completi



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 18 / 41

■ E uso comune intendere come linguaggi di programmazione soloquelli computazionalmente completi, cioe solo quelli equivalentiin potere espressivo al linguaggio della macchina di Turing.

Linguaggi completi



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 18 / 41


■ Sono completi solo quelli che riescono ad esprimere ancheprogrammi di cui non e decidibile la terminazione

Linguaggi completi



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 18 / 41



■ SQL non e un linguaggio completo (perche la terminazione deiprogrammi e sempre decidibile).

Linguaggi completi



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 18 / 41



■ SQL non e un linguaggio completo (perche la terminazione deiprogrammi e sempre decidibile). Attenzione alle ultimeincarnazioni dei linguaggi.

Linguaggi completi



Sono ∼ 40?

Sono ∼ 80?

Quanti sono?

Quanti sono?

Breve storia


Terminologia

Linguaggi completi

Macchine astratte


LP1 – Lezione 1 18 / 41



■ SQL non e un linguaggio completo (perche la terminazione deiprogrammi e sempre decidibile). Attenzione alle ultimeincarnazioni dei linguaggi.

■ HTML non e un linguaggio completo (idem).

■ Per mostrare la completezza di un linguaggio: usarlo persimulare arbitrarie macchine di Turing

Macchine astratte



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori

Interpretazione pura

Compilazione 1

Compilazione 2

Compilazione 3

SRT

Compilazione ed . . .

Compilatore

Proprieta dei . . .

Criteri di scelta . . .


LP1 – Lezione 1 19 / 41

Definizione



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 20 / 41

Dato un linguaggio di programmazione L, una macchina astratta perL (in simboli, ML) e un qualsiasi insieme di strutture dati e algoritmiche permettano di memorizzare ed eseguire programmi scritti in L.

Definizione



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 20 / 41

Dato un linguaggio di programmazione L, una macchina astratta perL (in simboli, ML) e un qualsiasi insieme di strutture dati e algoritmiche permettano di memorizzare ed eseguire programmi scritti in L.

La struttura di una macchina astratta e (essenzialmente memoria eprocessore):

Operazioni:

Elaborazione datiprimitivi.

Operazioni e strutturedati per il controllo dellasequenza di esecuzionedelle operazioni

Operazioni e strutturedati per il controllo deltrasferimento dati

Operazioni e strutturedati per la gestione dellamemoria

Processore

Memoria

Dati

Programma

Controllodati

Controllosequenza

Gestionememoria

Esempio



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 21 / 41

Macchina hardware

Macchina firmware

Macchina Sistema Operativo

Macchina intermedia (java bytecode)

Macchina Web Service

Macchina Web

Macchina E−Business (commercio online)

Macchina linguaggio di programmazione

Processore della macchina astratta



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 22 / 41

Start

Acquisisci prossima istruzione

Decodifica

Acquisisci operandi

Esegui OP2Esegui OP1 Esegui OPn Esegui Halt

Memorizza risultatoStop

Seleziona

Tecnologie di realizzazione di macchina astratta



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 23 / 41

Hardware: Si era pensato per Lisp e Prolog




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 23 / 41


Firmware: Soluzione spesso adottata per flessibilita osemplicita/economicita di progetto




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 23 / 41


Firmware: Soluzione spesso adottata per flessibilita osemplicita/economicita di progetto

Software: Ad es. macchina astratta Java, o Warren AbstractMachine (Prolog)

Traduttori



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 24 / 41

■ Interpreti: traducono ed eseguono un costrutto alla volta.

PRO: debug - fase di sviluppo: interazione piu snella.

Traduttori



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 24 / 41

■ Interpreti: traducono ed eseguono un costrutto alla volta.

PRO: debug - fase di sviluppo: interazione piu snella.

■ Compilatori: prima traducono l’intero programma; poi latraduzione puo essere eseguita (anche piu volte).

PRO: velocita di esecuzione finale - fase di rilascio.

PRO: piu controlli e in anticipo




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 25 / 41

Interprete per Lscritto in LO

LOM

Programma scritto in L

Input

Output

Esecuzione su

Compilazione pura (caso semplice)



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 26 / 41

da L a LOCompilatore in LO

Programma in L

Input

Output

LOM

Programma oggettoin LO

Esecuzione su

Compilazione pura (caso piu generale)



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 27 / 41

Programma in L

Input

Output

LOMLAM

Programma oggettoin LO

Esecuzione su Esecuzione su

da L a LOCompilatore in LA

Compilazione per macchina intermedia

LP1 – Lezione 1 28 / 41

Programma in L

LAM

Input

Output

LOM

Esecuzione su

Compilatore in LA Programma in LIda L a LI scritto in LO

Esecuzione su

Interpr. per LI (SRT)

Supporto a Run Time (SRT)



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 29 / 41

■ Funzionalita aggiuntive (rispetto a MLO)

◆ Funzioni di basso livello / interfacce col S.O.; ad es.funzioni di I/O




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 29 / 41



◆ Gestione della memoria; garbage collection; gestionedell’heap; gestione dello stack




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 29 / 41



◆ Gestione della memoria; garbage collection; gestionedell’heap; gestione dello stack

■ Non necessariamente una macchina astratta radicalmentediversa

◆ A volte solo un pacchetto di funzioni o librerie aggiunteautomaticamente al codice oggetto

Compilazione ed esecuzione



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 30 / 41

Input

Tempo di compilazione Tempo di esecuzione

Compilatore MacchinaSorgente Oggetto Output

Compilatore



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 31 / 41

Programma oggetto

Programma sorgente

Analisi lessicale

Analisi sintattica

Stringa di token

Parse tree

Analisi semantica

Generazione codice

Programma astratto

Proprieta dei linguaggi



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41

■ Semplicita – (concisione) VS (leggibilita)




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41


◆ Semantica: minimo numero di concetti e strutture.




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41



◆ Sintattica: unica rappresentabilita di ogni concetto.




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41




■ Astrazione – (rappresentare solo attributi essenziali)




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41





◆ Dati: nascondere i dettagli di oggetti.




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41






◆ Procedure: facilitare la modularita del progetto.




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41







■ Espressivita – (facilita di rappresentazione di oggetti) VS(semplicita)




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41








■ Ortogonalita – (meno eccezioni alle regole del linguaggio)




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 32 / 41








■ Ortogonalita – (meno eccezioni alle regole del linguaggio)

■ Portabilita

Criteri di scelta del linguaggio



Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41

■ Disponibilita dei traduttori




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41


■ Maggiore conoscenza da parte del programmatore




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41



■ Esistenza di standard di portabilita




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41




■ Comodita dell’ambiente di programmazione

■ Sintassi aderente al problema




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41






■ Semantica aderente alla architettura fisica




Macchine astratte

Definizione

Esempio

Processore M.A.

Realizzazione M.A.

Traduttori


Compilazione 1

Compilazione 2

Compilazione 3

SRT


Compilatore

Proprieta dei . . .



LP1 – Lezione 1 33 / 41






■ Semantica aderente alla architettura fisica

Paradigmi computazionali



Macchine astratte


Paradigmi

Esempio 1.0Imperativo vs.Funzionale

Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 34 / 41

Paradigmi



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 35 / 41

Imperativo: Un programma specifica sequenze di modifiche daapportare allo stato della macchina (memoria).

Paradigmi



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 35 / 41


Funzionale: Il programma e le sue componenti sono funzioni.Esecuzione come valutazione di funzioni.

Paradigmi



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 35 / 41



Logico: Programma come descrizione logica di un problema.Esecuzione analoga a processi di dimostrazione di teoremi.

Paradigmi



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 35 / 41




Orientato ad oggetti: Programma costituito da oggetti chescambiano messaggi.

Paradigmi



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 35 / 41




Orientato ad oggetti: Programma costituito da oggetti chescambiano messaggi.

Parallelo: Programmi che descrivono entita distribuite che sonoeseguite contemporaneamente ed in modo asincrono.

Gli ultimi due sono ortogonali rispetto ai primi tre...

Esempio 1.0 Imperativo vs. Funzionale



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 36 / 41

Notare eliminazione assegnamenti: n rimpiazza i, ricorsione invece di cicli

Esempio 1.1



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 37 / 41

Vogliamo scrivere in un linguaggio imperativo, funzionale e logico lafunzione membro(X, L) che decida se l’elemento X appartiene allalista L.

Esempio 1.1



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 37 / 41

Vogliamo scrivere in un linguaggio imperativo, funzionale e logico lafunzione membro(X, L) che decida se l’elemento X appartiene allalista L.Es.:membro(2, [1, 2, 3]) = true;membro(4, [1, 2, 3]) = false.

Esempio 1.1



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 37 / 41

Vogliamo scrivere in un linguaggio imperativo, funzionale e logico lafunzione membro(X, L) che decida se l’elemento X appartiene allalista L.Es.:membro(2, [1, 2, 3]) = true;membro(4, [1, 2, 3]) = false.A questo scopo, si suppongano gia esistenti le funzioni:

■ vuota(L), che restituisce true se L e vuota, altrimenti false.

Esempio 1.1



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 37 / 41



■ testa(L), che restituisce il primo elemento della lista L.

Es.: testa([1, 2, 3]) = 1.

Esempio 1.1



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 37 / 41



■ testa(L), che restituisce il primo elemento della lista L.

Es.: testa([1, 2, 3]) = 1.

■ coda(L), che restituisce una sottolista ottenuta rimuovendo ilprimo elemento di L.

Es.: coda([1, 2, 3]) = [2, 3].

Esempio 1.2



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 38 / 41

La funzione membro nel paradigma imperativo:

procedure membro(X,L)

local L1 = L

while not vuota(L1) and not X=testa(L1)

do L1 = coda(L1)

return not vuota(L1)

Esempio 1.2



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 38 / 41

La funzione membro nel paradigma imperativo:

procedure membro(X,L)

local L1 = L

while not vuota(L1) and not X=testa(L1)

do L1 = coda(L1)

return not vuota(L1)

In C (altro linguaggio imperativo):

bool member(X,L) {

List L1 = L;

while( ! empty(L1) && ! X=testa(L1))

L1 = coda(L1);

return (! vuota(L1));

}

NB: nessuna differenza strutturale, solo dettagli sintattici

Esempio 2



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 39 / 41

La funzione membro nel paradigma funzionale (come Lisp):

function member(X,L)

if vuota(L) then false

else if X == testa(L) then true

else member(X, coda(L))

Esempio 2



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 39 / 41






Nella versione funzionale pura non ci sono variabili, ne assegnazioni.Quindi non si possono usare cicli e bisogna rimpiazzarli con laricorsione. La sintassi Lisp e Scheme sarebbe un po’ particolare:

(defun membro (x l)

(cond ((null l) l)

(( equal x (first l)) T)

(T (membro x (rest l)))))

Esempio 2



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 39 / 41






Nella versione funzionale pura non ci sono variabili, ne assegnazioni.Quindi non si possono usare cicli e bisogna rimpiazzarli con laricorsione. La sintassi Lisp e Scheme sarebbe un po’ particolare:

(defun membro (x l)

(cond ((null l) l)

(( equal x (first l)) T)

(T (membro x (rest l)))))

Anche il C si potrebbe usare in stile funzionale se evitassimo di usarei costrutti imperativi:

bool member(X,L) {

return (vuota(L)) ? false :

(X == testa(L))? true :

member(X, coda(L)) }

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41

La funzione membro nel paradigma logico (prolog):

membro(X, [X|L]).

membro(X, [Y|L]) :- membro(X, L).

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).


Nota: i parametri formali di member possono essere pattern. Iprogrammi consistono di definizioni di predicati.

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).


Nota: i parametri formali di member possono essere pattern. Iprogrammi consistono di definizioni di predicati. Esecuzione:

■ member(2,[1,2,3]) restituisce yes (true)

■ member(0,[1,2,3]) restituisce no (false)

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).





■ query con variabili: member(X,[1,2,3]) restituisce

◆ X=1

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).






◆ X=1; X=2

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).






◆ X=1; X=2; X=3

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).






◆ X=1; X=2; X=3; no (si comporta come un generatore)

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).







■ risposte con variabili: member(1,L) restituisce

◆ L=[1|L0]

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).








◆ L=[1|L0]; L=[Y0,1|L1]

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).








◆ L=[1|L0]; L=[Y0,1|L1]; L=[Y0,Y1,1|L2] . . .

Esempio 3



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 40 / 41


membro(X, [X|L]).








◆ L=[1|L0]; L=[Y0,1|L1]; L=[Y0,Y1,1|L2] . . .

■ Invertibilita: nessuna distinzione tra input e output. Un solopredicato (programma), molte funzioni.

Conclusioni



Macchine astratte


Paradigmi


Esempio 1.1

Esempio 1.2

Esempio 2

Esempio 3

Conclusioni

LP1 – Lezione 1 41 / 41

■ Il paradigma di appartenenza puo influenzare radicalmente ilmodo in cui si risolve il problema

■ Non e l’unico aspetto determinante. Altri esempi di aspettiimportanti:

◆ Il sistema di tipi supportato

◆ Eventuale supporto alle eccezioni

◆ Modello di concorrenza e sincronizzazione

◆ ...

Documents

Linguaggi di Programmazione I – Lezione 1wpage.unina.it/pieroandrea.bonatti/didattica/linguaggi/Lezione01.pdf · problema, il linguaggio di programmazione. Obbiettivi generali Introduzione