비율 목표를 위한 평균 사례 최적 시스템 합성

초록

본 논문은 논리적 사양을 만족하면서도 비율 비용 함수에 기반한 정량적 언어를 최소화하는 시스템을 자동으로 합성하는 방법을 제시한다. 환경은 라벨이 붙은 마코프 결정 과정(Labeled MDP)으로 모델링되며, 목표는 기대 비율 비용을 최소화하는 것이다. 이를 위해 비율 비용을 갖는 MDP로 환원하고, 분수 선형 계획법(Fractional Linear Programming)을 이용해 최적 전략을 계산한다.

상세 분석

이 연구는 두 가지 핵심 요소를 결합한다. 첫째, 정량적 사양을 자동 합성에 도입하기 위해 ‘비율 목표’를 정의한다. 비율 목표는 두 개의 비용 함수 c₁, c₂를 사용해 무한 실행(trace)상의 장기 평균 비율 R(w)=lim inf (∑c₁)/(1+∑c₂) 로 표현된다. 여기서 분모에 1을 더함으로써 비용이 0인 경우의 나눗셈 오류를 방지하고, lim inf을 사용해 수렴하지 않는 경우에도 의미 있는 하한값을 제공한다. 이러한 비율 목표는 기존의 평균 비용(mean‑payoff)이나 최악‑사례(max‑payoff)와는 달리 ‘좋은 사건’과 ‘나쁜 사건’을 동시에 고려해 시스템의 전반적인 효율성을 평가한다.

둘째, 환경 모델을 라벨이 붙은 마코프 결정 과정(Labeled MDP)으로 확장한다. 전통적인 합성에서는 적대적 환경을 가정하지만, 여기서는 확률적 전이와 행동 선택을 모두 포함한다. MDP의 상태는 시스템과 환경의 조합을 나타내며, 각 상태에서 가능한 행동 집합은 시스템이 선택할 수 있는 출력값을 의미한다. 이때 전략은 메모리리스·순수(pure) 형태로 제한될 수 있는데, 이는 최적 전략이 상태에만 의존하고 확률적 선택을 필요로 하지 않음을 보인다.

핵심 기술적 기여는 비율 비용을 갖는 MDP를 ‘unichain’ 형태로 가정하고, 이를 분수 선형 프로그램으로 변환해 최적 정책을 구하는 것이다. 기존 연구(예: Derman, 1970)는 분모 비용이 항상 양수일 것을 전제했지만, 본 논문은 0이 허용되는 경우까지 일반화한다. 변환 과정에서 기대 비용 E