1->1000
[lambda.git] / topics / _cps.mdwn
1 **Note to Chris**: [[don't forget this material to be merged in somehow|/topics/_cps_and_continuation_operators]]. I marked where I cut some material to put into week13_control_operators, but that page is still a work in progress in my browser...
2
3
4 Gaining control over order of evaluation
5 ----------------------------------------
6
7 We know that evaluation order matters.  We're beginning to learn how
8 to gain some control over order of evaluation (think of Jim's abort handler).
9 We continue to reason about order of evaluation.
10
11 A lucid discussion of evaluation order in the
12 context of the lambda calculus can be found here:
13 [Sestoft: Demonstrating Lambda Calculus Reduction](http://www.itu.dk/~sestoft/papers/mfps2001-sestoft.pdf).
14 Sestoft also provides a lovely on-line lambda evaluator:
15 [Sestoft: Lambda calculus reduction workbench](http://www.itu.dk/~sestoft/lamreduce/index.html),
16 which allows you to select multiple evaluation strategies, 
17 and to see reductions happen step by step.
18
19 Evaluation order matters
20 ------------------------
21
22 We've seen this many times.  For instance, consider the following
23 reductions.  It will be convenient to use the abbreviation `w =
24 \x.xx`.  I'll
25 indicate which lambda is about to be reduced with a * underneath:
26
27 <pre>
28 (\x.y)(ww)
29  *
30 y
31 </pre>
32
33 Done!  We have a normal form.  But if we reduce using a different
34 strategy, things go wrong:
35
36 <pre>
37 (\x.y)(ww) =
38 (\x.y)((\x.xx)w) =
39         *
40 (\x.y)(ww) =
41 (\x.y)((\x.xx)w) =
42         *
43 (\x.y)(ww) 
44 </pre>
45
46 Etc.  
47
48 As a second reminder of when evaluation order matters, consider using
49 `Y = \f.(\h.f(hh))(\h.f(hh))` as a fixed point combinator to define a recursive function:
50
51 <pre>
52 Y (\f n. blah) =
53 (\f.(\h.f(hh))(\h.f(hh))) (\f n. blah) 
54      *
55 (\f.f((\h.f(hh))(\h.f(hh)))) (\f n. blah) 
56        *
57 (\f.f(f((\h.f(hh))(\h.f(hh))))) (\f n. blah) 
58          *
59 (\f.f(f(f((\h.f(hh))(\h.f(hh)))))) (\f n. blah) 
60 </pre>
61
62 And we never get the recursion off the ground.
63
64
65 Using a Continuation Passing Style transform to control order of evaluation
66 ---------------------------------------------------------------------------
67
68 We'll present a technique for controlling evaluation order by transforming a lambda term
69 using a Continuation Passing Style transform (CPS), then we'll explore
70 what the CPS is doing, and how.
71
72 In order for the CPS to work, we have to adopt a new restriction on
73 beta reduction: beta reduction does not occur underneath a lambda.
74 That is, `(\x.y)z` reduces to `z`, but `\u.(\x.y)z` does not reduce to
75 `\u.z`, because the `\u` protects the redex in the body from
76 reduction.  (In this context, a "redex" is a part of a term that matches
77 the pattern `...((\xM)N)...`, i.e., something that can potentially be
78 the target of beta reduction.)
79
80 Start with a simple form that has two different reduction paths:
81
82 reducing the leftmost lambda first: `(\x.y)((\x.z)u)  ~~> y`
83
84 reducing the rightmost lambda first: `(\x.y)((\x.z)u)  ~~> (\x.y)z ~~> y`
85
86 After using the following call-by-name CPS transform---and assuming
87 that we never evaluate redexes protected by a lambda---only the first
88 reduction path will be available: we will have gained control over the
89 order in which beta reductions are allowed to be performed.
90
91 Here's the CPS transform defined:
92
93     [x] = x
94     [\xM] = \k.k(\x[M])
95     [MN] = \k.[M](\m.m[N]k)
96
97 Here's the result of applying the transform to our simple example:
98
99     [(\x.y)((\x.z)u)] =
100     \k.[\x.y](\m.m[(\x.z)u]k) =
101     \k.(\k.k(\x.[y]))(\m.m(\k.[\x.z](\m.m[u]k))k) =
102     \k.(\k.k(\x.y))(\m.m(\k.(\k.k(\x.z))(\m.muk))k)
103
104 Because the initial `\k` protects (i.e., takes scope over) the entire
105 transformed term, we can't perform any reductions.  In order to watch
106 the computation unfold, we have to apply the transformed term to a
107 trivial continuation, usually the identity function `I = \x.x`.
108
109     [(\x.y)((\x.z)u)] I =
110     (\k.[\x.y](\m.m[(\x.z)u]k)) I
111      *
112     [\x.y](\m.m[(\x.z)u] I) =
113     (\k.k(\x.y))(\m.m[(\x.z)u] I)
114      *           *
115     (\x.y)[(\x.z)u] I           --A--
116      *
117     y I
118
119 The application to `I` unlocks the leftmost functor.  Because that
120 functor (`\x.y`) throws away its argument (consider the reduction in the
121 line marked (A)), we never need to expand the
122 CPS transform of the argument.  This means that we never bother to
123 reduce redexes inside the argument.
124
125 Compare with a call-by-value xform:
126
127     {x} = \k.kx
128     {\aM} = \k.k(\a{M})
129     {MN} = \k.{M}(\m.{N}(\n.mnk))
130
131 This time the reduction unfolds in a different manner:
132
133     {(\x.y)((\x.z)u)} I =
134     (\k.{\x.y}(\m.{(\x.z)u}(\n.mnk))) I
135      *
136     {\x.y}(\m.{(\x.z)u}(\n.mnI)) =
137     (\k.k(\x.{y}))(\m.{(\x.z)u}(\n.mnI))
138      *             *
139     {(\x.z)u}(\n.(\x.{y})nI) =
140     (\k.{\x.z}(\m.{u}(\n.mnk)))(\n.(\x.{y})nI)
141      *
142     {\x.z}(\m.{u}(\n.mn(\n.(\x.{y})nI))) =
143     (\k.k(\x.{z}))(\m.{u}(\n.mn(\n.(\x.{y})nI)))
144      *             *
145     {u}(\n.(\x.{z})n(\n.(\x.{y})nI)) =
146     (\k.ku)(\n.(\x.{z})n(\n.(\x.{y})nI))
147      *      *
148     (\x.{z})u(\n.(\x.{y})nI)       --A--
149      *
150     {z}(\n.(\x.{y})nI) =
151     (\k.kz)(\n.(\x.{y})nI)
152      *      *
153     (\x.{y})zI
154      *
155     {y}I =
156     (\k.ky)I
157      *
158     I y
159
160 In this case, the argument does get evaluated: consider the reduction
161 in the line marked (A).
162
163 Both xforms make the following guarantee: as long as redexes
164 underneath a lambda are never evaluated, there will be at most one
165 reduction available at any step in the evaluation.
166 That is, all choice is removed from the evaluation process.
167
168 Now let's verify that the CBN CPS avoids the infinite reduction path
169 discussed above (remember that `w = \x.xx`):
170
171     [(\x.y)(ww)] I =
172     (\k.[\x.y](\m.m[ww]k)) I
173      *
174     [\x.y](\m.m[ww]I) =
175     (\k.k(\x.y))(\m.m[ww]I)
176      *             *
177     (\x.y)[ww]I
178      *
179     y I
180
181
182 Questions and exercises:
183
184 1. Prove that {(\x.y)(ww)} does not terminate.
185
186 2. Why is the CBN xform for variables `[x] = x` instead of something
187 involving kappas (i.e., `k`'s)?  
188
189 3. Write an Ocaml function that takes a lambda term and returns a
190 CPS-xformed lambda term.  You can use the following data declaration:
191
192     type form = Var of char | Abs of char * form | App of form * form;;
193
194 4. The discussion above talks about the "leftmost" redex, or the
195 "rightmost".  But these words apply accurately only in a special set
196 of terms.  Characterize the order of evaluation for CBN (likewise, for
197 CBV) more completely and carefully.
198
199 5. What happens (in terms of evaluation order) when the application
200 rule for CBV CPS is changed to `{MN} = \k.{N}(\n.{M}(\m.mnk))`?
201
202 6. A term and its CPS xform are different lambda terms.  Yet in some
203 sense they "do" the same thing computationally.  Make this sense
204 precise.
205
206
207 Thinking through the types
208 --------------------------
209
210 This discussion is based on [Meyer and Wand 1985](http://citeseer.ist.psu.edu/viewdoc/download?doi=10.1.1.44.7943&rep=rep1&type=pdf).
211
212 Let's say we're working in the simply-typed lambda calculus.
213 Then if the original term is well-typed, the CPS xform will also be
214 well-typed.  But what will the type of the transformed term be?
215
216 The transformed terms all have the form `\k.blah`.  The rule for the
217 CBN xform of a variable appears to be an exception, but instead of
218 writing `[x] = x`, we can write `[x] = \k.xk`, which is
219 eta-equivalent.  The `k`'s are continuations: functions from something
220 to a result.  Let's use &sigma; as the result type.  The each `k` in
221 the transform will be a function of type &rho; --> &sigma; for some
222 choice of &rho;.
223
224 We'll need an ancilliary function ': for any ground type a, a' = a;
225 for functional types a->b, (a->b)' = ((a' -> &sigma;) -> &sigma;) -> (b' -> &sigma;) -> &sigma;.
226
227     Call by name transform
228
229     Terms                            Types
230
231     [x] = \k.xk                      [a] = (a'->o)->o
232     [\xM] = \k.k(\x[M])              [a->b] = ((a->b)'->o)->o
233     [MN] = \k.[M](\m.m[N]k)          [b] = (b'->o)->o
234
235 Remember that types associate to the right.  Let's work through the
236 application xform and make sure the types are consistent.  We'll have
237 the following types:
238
239     M:a->b
240     N:a
241     MN:b 
242     k:b'->o
243     [N]:(a'->o)->o
244     m:((a'->o)->o)->(b'->o)->o
245     m[N]:(b'->o)->o
246     m[N]k:o 
247     [M]:((a->b)'->o)->o = ((((a'->o)->o)->(b'->o)->o)->o)->o
248     [M](\m.m[N]k):o
249     [MN]:(b'->o)->o
250
251 Be aware that even though the transform uses the same symbol for the
252 translation of a variable (i.e., `[x] = x`), in general the variable
253 in the transformed term will have a different type than in the source
254 term.
255
256 Excercise: what should the function ' be for the CBV xform?  Hint: 
257 see the Meyer and Wand abstract linked above for the answer.
258
259
260 Other CPS transforms
261 --------------------
262
263 It is easy to think that CBN and CBV are the only two CPS transforms.
264 (We've already seen a variant on call-by-value one of the excercises above.) 
265
266 In fact, the number of distinct transforms is unbounded.  For
267 instance, here is a variant of CBV that uses the same types as CBN:
268
269     <x> = x
270     <\xM> = \k.k(\x<M>)
271     <MN> = \k.<M>(\m.<N>(\n.m(\k.kn)k))
272
273 Try reducing `<(\x.x) ((\y.y) (\z.z))> I` to convince yourself that
274 this is a version of call-by-value.
275
276 Once we have two evaluation strategies that rely on the same types, we
277 can mix and match:
278
279     [x] = x
280     <x> = x
281     [\xM] = \k.k(\x<M>)
282     <\xM] = \k.k(\x[M])
283     [MN] = \k.<M>(\m.m<N>k)
284     <MN> = \k.[M](\m.[N](\n.m(\k.kn)k))
285
286 This xform interleaves call-by-name and call-by-value in layers,
287 according to the depth of embedding.
288 (Cf. page 4 of Reynold's 1974 paper ftp://ftp.cs.cmu.edu/user/jcr/reldircont.pdf (equation (4) and the
289 explanation in the paragraph below.)