복잡 최적화와 답집합 프로그래밍

초록

**
본 논문은 메타프로그래밍을 이용해 기존 ASP 시스템 위에서 포함 최소화·파레토 효율·다중 우선순위와 같은 복합 최적화 기준을 구현하는 일반적인 기법을 제시한다. 이를 통해 비전문가도 복잡한 선호 처리와 최적화를 손쉽게 활용할 수 있다.

**

상세 분석

**
이 연구는 답집합 프로그래밍(ASP)에서 선호와 최적화가 필수적이지만, 복합적인 최적화 기준(예: 포함 기반 최소화, 파레토 효율성, 다중 우선순위) 도입 시 계산 복잡도가 2차 다항식 계층으로 상승한다는 근본적인 문제를 짚는다. 기존 ASP 시스템은 이러한 복합 최적화를 직접 지원하지 않으며, 사용자는 포화(saturation) 기법 같은 복잡한 모델링 기법을 직접 구현해야 한다. 포화 기법은 비분리 논리 프로그램을 이용해 NP·coNP 결합 문제를 해결하지만, 모델링이 난해하고 비전문가에게는 실용적이지 않다.

저자들은 이러한 한계를 메타프로그래밍으로 극복한다. 구체적으로, 기존 ASP 시스템이 제공하는 #minimize 구문을 재해석하여 복합 선호 관계를 표현한다. #minimize 구문은 전통적으로 가중 리터럴의 가중합을 최소화하는데 사용되지만, 여기서는 우선순위 레벨(J)과 가중치(w)를 이용해 다중 차원의 선호 관계(≤, ⊆, ≺)를 정의한다. 파레토 효율성은 우선순위 레벨을 사전순으로 정렬하고, 각 레벨 내에서 가중치에 따라 다중 집합 포함 관계를 판단함으로써 구현된다.

핵심 기술은 프로그램을 ‘재구성(reify)’하여 사실(fact) 형태로 변환하고, 이를 메타 ASP 프로그램에 입력하는 것이다. 재구성된 사실은 규칙의 헤드·바디, #sum 제약, 강한 연결 성분(scc) 등을 모두 포함한다. 메타 프로그램은 이러한 사실을 기반으로 원래 프로그램의 답집합을 생성하고, 동시에 복합 최적화 기준에 따라 답집합을 비교·제거한다. 구체적으로, 메타 프로그램은 (1) 규칙 요소 추출, (2) 답집합 생성 규칙, (3) 최적화 기준 검증 규칙으로 구성된다. 최적화 검증 단계에서는 각 우선순위 레벨과 가중치에 대해 “Y ≤_w^J X”, “Y ⊆_w^J X”, “Y ≺_w^J X” 관계를 체크하고, 지배 관계가 성립하면 해당 답집합을 폐기한다.

이 접근법은 기존 ASP 솔버(smodels, clasp 등)를 그대로 활용할 수 있게 하며, 별도의 전용 엔진을 구축할 필요가 없다는 장점이 있다. 또한, 확장 논리 프로그램(선택 규칙·#sum 제약·약한 부정)을 그대로 지원하고, 비분리 프로그램에서도 동작한다. 실험적으로는 단순 포함 최소화(#minimize)와 파레토 효율성 예시를 들어, 기존 시스템으로는 직접 구할 수 없던 ⊆-minimal 답집합을 성공적으로 도출한다.

결과적으로, 메타프로그래밍 기반의 일반적인 구현 기법은 복합 최적화 문제를 NP·coNP 수준에서 다루는 전통적인 포화 기법보다 구현이 간단하고, ASP 사용자에게 친숙한 문법으로 복잡한 선호 처리를 제공한다는 점에서 의미가 크다.

**