불필요 변수 탐지를 위한 세 가지 알고리즘 고찰

초록

본 논문은 불리언 식에서 언제든지 값을 바꾸어도 식의 만족도에 영향을 주지 않는 ‘불필요 변수’를 찾는 세 가지 알고리즘을 직관 중심으로 소개한다. 첫 번째는 SAT 기반 반복 제거, 두 번째는 BDD(이진 결정 다이어그램) 활용, 세 번째는 최소 핵심 집합 추출을 위한 히트셋 접근법이다. 각 방법의 시간·공간 복잡도와 적용 범위에 대한 비교를 통해 실용적인 선택 기준을 제시한다.

상세 요약

논문은 먼저 ‘불필요 변수(dispensable variable)’라는 개념을 정의한다. 불리언 식 φ에 대해 변수 x가 불필요하다는 것은 φ의 모든 만족 할당에서 x의 값을 자유롭게 바꾸어도 φ가 여전히 만족된다는 의미이다. 이는 변수 제거 후에도 원식과 동등한 논리적 의미를 유지한다는 점에서 모델 축소와 회로 최적화에 직접적인 활용 가치를 가진다.

세 알고리즘은 각각 다른 형식의 내부 표현을 전제로 한다. 첫 번째 알고리즘은 SAT 솔버를 반복 호출하는 방식이다. 초기 φ에 대해 SAT 검증을 수행하고, 각 변수 v에 대해 v를 고정한 두 개의 서브식 φ|{v=0}와 φ|{v=1}을 만든다. 두 서브식 모두가 SAT이면 v는 불필요 변수로 판단한다. 이 과정을 모든 변수에 대해 수행하고, 불필요 변수 집합을 수집한다. 핵심 최적화는 SAT 호출 횟수를 줄이기 위해 이미 확인된 변수들의 고정값을 재사용하고, UNSAT 코어를 이용해 불필요 변수를 조기에 배제하는 것이다. 시간 복잡도는 최악의 경우 O(n·T_sat)이며, 여기서 n은 변수 수, T_sat은 SAT 솔버의 평균 실행 시간이다.

두 번째 알고리즘은 BDD(이진 결정 다이어그램)를 이용한다. φ를 BDD로 변환하면 변수 순서에 따라 트리 구조가 형성된다. BDD에서 특정 변수 v가 ‘불필요’하다는 것은 v에 대한 모든 분기가 동일한 서브그래프를 가리키는 경우이다. 즉, v를 따라 내려가도 결과가 변하지 않으므로 v를 제거해도 BDD의 논리적 의미가 보존된다. 이 특성을 이용해 BDD를 한 번 순회하면서 각 변수의 ‘동일 서브트리’ 여부를 검사한다. BDD 기반 방법은 변수 간 의존성을 명시적으로 드러내어 불필요 변수 탐지를 O(|BDD|) 시간에 수행할 수 있지만, BDD 자체의 크기가 변수 순서에 크게 좌우된다는 단점이 있다. 따라서 변수 순서를 최적화하는 히어리스틱이 성능에 결정적 영향을 미친다.

세 번째 알고리즘은 최소 핵심 집합(minimal hitting set) 관점에서 접근한다. φ를 절(clauses) 집합으로 표현하고, 각 절에 등장하는 변수들의 집합을 ‘충돌 집합’이라 부른다. 불필요 변수는 모든 충돌 집합에 동시에 포함되지 않는 변수이다. 이를 찾기 위해 전체 변수 집합 V에서 최소한 하나의 충돌 집합을 완전히 피하는 부분집합을 구한다. 이는 전형적인 최소 히트셋 문제와 동등하며, SAT 기반 근사 알고리즘이나 ILP(정수 선형 계획) 모델링을 통해 해결한다. 이 방법은 특히 큰 규모의 CNF 식에서 변수 간 상호작용이 복잡할 때 유용하며, 근사 해를 허용함으로써 실행 시간을 크게 단축할 수 있다.

논문은 세 알고리즘을 실험적으로 비교한다. SAT 기반 방법은 작은·중간 규모의 식에서 가장 빠르게 동작했으며, BDD 기반은 변수 순서가 최적화된 경우에만 경쟁력을 보였다. 히트셋 접근법은 대규모 식에서 메모리 사용을 최소화하면서도 충분히 정확한 결과를 제공했다. 또한, 각 방법의 구현 난이도와 확장성을 논의하며, 실제 회로 설계와 모델 검증 파이프라인에 통합할 때 고려해야 할 실무적 포인트를 제시한다.

결론적으로, 불필요 변수 탐지는 단순히 변수 제거를 넘어 논리식의 구조적 이해와 최적화에 핵심적인 역할을 한다. 선택할 알고리즘은 입력 식의 형태, 규모, 그리고 허용 가능한 근사 정도에 따라 달라질 수 있다. 논문은 이러한 선택 가이드를 제공함으로써 연구자와 엔지니어가 상황에 맞는 최적의 방법을 빠르게 적용할 수 있도록 돕는다.