다중 평균 이익 및 다중 에너지 게임의 복잡도

초록

다중 평균‑이익 게임과 다중 에너지 게임은 여러 자원을 동시에 관리해야 하는 시스템 합성에 핵심적인 모델이다. 본 논문은 유한 메모리 전략에 대해 두 게임이 서로 상호 변환 가능함을 보이고, 이를 통해 기존 EXPSPACE 수준이던 복잡도 상한을 최적의 coNP‑complete 수준으로 낮춘다. 또한 메모리리스 전략에 대해서는 NP‑complete임을 증명하고, 무한 메모리 전략을 허용한 다중 평균‑이익 게임에 대해서는 평균‑payoff‑sup 목표는 NP∩coNP, 평균‑payoff‑inf 목표는 coNP‑complete임을 최초로 제시한다.

상세 분석

본 연구는 먼저 다중 에너지 게임(Multi‑Energy Games, MEG)의 결정성을 조사한다. 기존 단일 차원 에너지 게임에서는 유한 메모리 전략이 충분함이 알려져 있었지만, 다중 차원에서는 메모리 요구가 복잡해질 우려가 있었다. 저자들은 “유한 메모리 결정성”을 증명함으로써, 플레이어가 각 차원에 대해 독립적인 에너지 레벨을 유지하면서도 전체 시스템을 승리 상태로 이끌 수 있음을 보였다. 핵심 아이디어는 각 차원을 별도의 보존 함수로 해석하고, 이들 보존 함수를 동시에 만족시키는 공통 전략을 구성하는 것이다.

다음으로, 다중 평균‑이익 게임(Multi‑Mean‑Payoff Games, MMG)과 MEG 사이의 상호 변환 가능성을 제시한다. 유한 메모리 전략을 전제로, MMG의 평균‑payoff‑inf 목표를 에너지 형태로 변환하면 MEG와 동등한 승리 조건이 된다. 반대로, MEG를 평균‑payoff‑sup 형태로 변환하면 MMG와 동치가 된다. 이 변환은 각 차원의 가중치를 적절히 스케일링하고, 초기 에너지 레벨을 충분히 크게 설정함으로써 보장된다. 이러한 상호 변환은 두 문제를 동일한 복잡도 클래스로 귀속시키는 핵심 근거가 된다.

복잡도 측면에서, 기존 연구는 MEG와 MMG의 유한 메모리 전략 결정 문제를 EXPSPACE 수준으로만 알려졌다. 저자들은 새로운 차원‑축소 기법과 폴리토프 기반의 위상 분석을 도입해, 문제를 coNP‑완전으로 귀착시켰다. 구체적으로, 승리 여부를 검증하기 위해 “반례 다항식 크기의 증명”을 구성하고, 이를 비결정적 다항식 시간(NP) 알고리즘으로 검증한다. 반대로, 반증을 위해서는 다항식 크기의 “반증 증명”을 제공하면 충분하므로, 전체 문제는 coNP에 속한다.

메모리리스 전략에 대해서는 복잡도가 크게 달라진다. 각 차원의 가중치를 독립적으로 고려할 수 있기 때문에, 승리 전략 존재 여부를 다항식 시간에 검증할 수 있는 NP‑완전 문제로 귀결된다. 이는 기존 단일 차원 게임에서의 NP‑완전 결과와 일관성을 유지한다.

마지막으로, 무한 메모리 전략을 허용한 경우를 다룬다. 평균‑payoff‑sup 목표는 “최대 평균”을 보장하면 충분하므로, 플레이어는 무한히 반복 가능한 사이클을 찾아 해당 사이클의 평균이 비음수인지 확인하면 된다. 이 검증은 NP와 coNP 모두에서 다항식 시간에 수행 가능하므로, 문제는 NP∩coNP에 속한다. 반면 평균‑payoff‑inf 목표는 “최소 평균”을 보장해야 하므로, 모든 가능한 사이클을 고려해야 하며, 이는 coNP‑완전으로 귀결된다. 이러한 결과는 다중 차원 게임에서 메모리 제한이 복잡도에 미치는 영향을 명확히 드러낸다.