최대플러스와 최소플러스 유리 시리즈는 모두 모호함 없는 자동기로 표현 가능

초록

본 논문은 자유 모노이드에서 실수값으로 부분함수를 정의한 시리즈 중, 최대플러스와 최소플러스 두 방식 모두에서 유리적(rational)인 경우가 정확히 모호함 없는(ambiguous) 유리 시리즈와 일치함을 증명한다. 기존에 각각의 클래스에 대해 동등성 판정이 가능하다는 결과가 별도 증명으로 알려졌으나, 저자들은 이를 하나의 통합된 프레임워크로 묶는다. 핵심 기여는 최대플러스 자동기와 최소플러스 자동기를 입력받아 동일한 시리즈를 인식하는 모호함 없는 자동기를 효율적으로 구성하는 알고리즘을 제시한 점이다.

상세 분석

논문은 먼저 자유 모노이드 Σ* 위에 정의된 부분함수 f: Σ* ⇀ ℝ 를 시리즈 S(f) 로 표기하고, 이 시리즈가 최대플러스(max‑plus) 혹은 최소플러스(min‑plus) 연산에 대해 닫힌 형태로 표현될 수 있는 경우를 살펴본다. 최대플러스 연산은 (a⊕b)=max(a,b), (a⊗b)=a+b 로 정의되며, 최소플러스는 (a⊕b)=min(a,b), (a⊗b)=a+b 로 정의된다. 두 연산 체계는 각각의 반대극을 이루지만, 동일한 가중치 자동기 구조 위에 놓이면 서로 다른 평가 방식을 제공한다.

저자들은 먼저 “유리 시리즈”라는 개념을 재정의한다. 전통적인 의미의 유리 시리즈는 유한 상태 자동기와 선형 연산(합·곱)으로 생성될 수 있는 시리즈를 의미한다. 여기서는 “모호함 없는(unambiguous) 유리 시리즈”를, 각 단어 w∈Σ* 에 대해 자동기가 정확히 하나의 성공 경로만을 갖는 경우로 정의한다. 이는 곧 각 w에 대해 가중치가 유일하게 결정된다는 의미이며, 최적화 문제에서 결정론적 해석을 가능하게 한다.

핵심 정리는 다음과 같다. 어떤 시리즈 S가 최대플러스 자동기로도, 최소플러스 자동기로도 구현 가능하다면, S는 반드시 모호함 없는 유리 자동기로도 구현 가능하다. 이를 증명하기 위해 저자들은 두 가지 주요 단계로 나눈다. 첫 번째 단계에서는 주어진 최대플러스 자동기 A₊와 최소플러스 자동기 A₋를 각각 “표준 형태”로 변환한다. 표준 형태란 모든 전이 가중치가 실수이며, 초기·종료 상태가 단일인 형태를 말한다. 변환 과정에서 ε‑전이를 제거하고, 가중치를 정규화한다.

두 번째 단계에서는 A₊와 A₋를 교차 곱(cross‑product)하여 새로운 자동기 B를 만든다. B의 상태는 (p,q) 형태이며, p∈Q₊, q∈Q₋ 로 구성된다. 전이 라벨은 동일한 입력 기호에 대해 동시에 진행되며, B는 두 자동기의 가중치를 각각 합산한 값을 저장한다. 여기서 중요한 관찰은, B가 인식하는 시리즈는 원래 S와 동일하지만, 각 단어 w에 대해 B는 (max‑weight, min‑weight) 쌍을 동시에 계산한다는 점이다.

그 다음, 저자들은 “가중치 격자” 개념을 도입한다. 격자는 실수 평면에서 (max, min) 쌍이 이루는 부분 순서 집합이며, 격자 내에서 (a₁,b₁) ≤ (a₂,b₂) ⇔ a₁≤a₂ 그리고 b₁≥b₂ 로 정의한다. 이 순서 관계는 최대플러스와 최소플러스 연산이 각각 격자에서 상향·하향 연산으로 작용함을 보인다. 격자 위에서 B의 경로들은 전부 서로 비교 가능하므로, 최적 경로는 유일하게 결정된다. 따라서 B는 본질적으로 모호함 없는 자동기이다.

알고리즘적 측면에서 저자들은 B를 다시 “축소”하여 상태 수를 최소화하는 절차를 제시한다. 이는 전이 동등성(transition equivalence)과 가중치 동등성(weight equivalence)을 이용한 합병 단계이며, 다항 시간 복잡도를 보장한다. 최종적으로 얻어진 자동기 C는 전적으로 모호함 없는 형태이며, 입력 단어 w에 대해 C가 출력하는 가중치는 원래 S(w)와 정확히 일치한다.

이러한 결과는 두 가지 중요한 함의를 가진다. 첫째, 최대플러스와 최소플러스 자동기 각각에 대해 독립적으로 알려진 동등성 판정(decidability) 문제가 이제 하나의 통합된 결정 절차로 귀결된다. 둘째, 모호함 없는 자동기는 최적화와 모델 검증 분야에서 효율적인 알고리즘 적용이 가능하므로, 실용적인 응용 가능성이 크게 확대된다. 특히, 스케줄링, 네트워크 라우팅, 비용-이익 분석 등에서 최대·최소 비용을 동시에 고려해야 하는 상황에 직접 활용될 수 있다.