그래프 부분집합을 이용한 추상 상태 공간 탐색 최적화

초록

본 논문은 기존의 이웃 추상화 기법에 부분집합 관계를 도입하여, 한 추상 상태가 다른 상태를 포함할 경우 불필요한 상태를 제거함으로써 탐색 공간과 연산 비용을 크게 감소시키는 방법을 제시한다. 이론적 정의와 구현 세부 사항을 설명하고, 다양한 그래프 변환 시스템에 대한 실험을 통해 메모리와 시간 절감 효과를 입증한다.

상세 분석

논문은 먼저 그래프 기반 모델 검사에서 상태 폭발 문제를 완화하기 위한 추상화 기법으로 ‘이웃 추상화(neighbourhood abstraction)’를 소개한다. 이 방법은 각 노드의 주변 구조를 일정 깊이까지 요약함으로써 무한히 확장될 수 있는 구체 그래프들을 유한한 추상 그래프로 매핑한다. 그러나 기존 접근법은 동일한 구체 상태 집합을 포함하는 서로 다른 추상 상태가 동시에 생성될 위험이 있어, 탐색 공간이 여전히 비효율적으로 커질 수 있다.

이를 해결하기 위해 저자들은 ‘부분집합(subsumption)’ 개념을 도입한다. 두 추상 상태 A와 B가 있을 때, A가 B를 부분집합한다는 것은 A가 포함하는 구체 상태 집합이 B보다 넓다는 의미이며, 따라서 B는 탐색 과정에서 생략해도 된다. 부분집합 관계는 정형화된 순서 관계(≤)로 정의되며, 이는 그래프 구조와 라벨 매핑을 기반으로 하는 부분동형사상(partial homomorphism) 검증을 통해 결정된다. 핵심은 부분집합 검증이 기존 이웃 추상화의 생성 단계와 통합될 수 있다는 점이다. 구체적으로, 새로운 추상 상태를 생성할 때마다 현재 탐색 중인 상태 집합에 대해 부분집합 여부를 검사하고, 이미 더 일반적인 상태가 존재하면 해당 상태를 폐기한다.

이론적 측면에서 논문은 부분집합 관계가 반대 방향의 포함 관계와 동일함을 보이며, 부분집합 연산이 반사적, 반대칭, 전이적이라는 부분 순서 구조를 형성함을 증명한다. 또한, 부분집합 검증이 NP-완전 문제인 그래프 동형성 검증보다 약간 더 복잡할 수 있으나, 실험에서는 그래프 크기와 라벨 수가 제한된 실제 모델링 상황에서는 충분히 효율적으로 수행된다고 보고한다.

구현에서는 기존 도구인 GROOVE에 플러그인 형태로 부분집합 검사 모듈을 삽입하였다. 이 모듈은 추상 상태를 해시 기반 인덱스로 관리하고, 후보 상태와의 부분집합 관계를 빠르게 판단하기 위해 라벨별 노드 집합과 인접 리스트를 활용한다. 또한, 부분집합 검증 과정에서 발생할 수 있는 중복 검사와 불필요한 그래프 복사를 최소화하기 위해 캐시 메커니즘을 도입하였다.

실험 결과는 네 가지 대표적인 그래프 변환 시스템(예: 파이프라인 스케줄링, 교통 신호 제어, 프로토콜 인증, 화학 반응 네트워크)에서 수행되었다. 각 사례에서 부분집합 기반 감소 기법은 탐색된 추상 상태 수를 평균 70% 이상 감소시켰으며, 메모리 사용량은 최대 85% 절감되었다. 특히, 상태 공간이 급격히 폭발하는 경우(예: 무한 루프를 포함한 시스템)에는 기존 이웃 추상화만 사용했을 때 메모리 초과 오류가 발생했지만, 부분집합을 적용한 경우 성공적으로 탐색을 마쳤다. 시간 측면에서도 부분집합 검증에 소요되는 오버헤드가 전체 탐색 시간의 5~10%에 불과했으며, 전체 실행 시간은 평균 40% 단축되었다.

결론적으로, 부분집합 관계를 활용한 추상 상태의 중복 제거는 그래프 기반 모델 검사의 확장성을 크게 향상시킨다. 이 기법은 기존 이웃 추상화와 호환 가능하며, 추가적인 도메인 특화 최적화와 결합될 경우 더욱 강력한 상태 공간 축소를 기대할 수 있다. 향후 연구에서는 부분집합 관계를 동적으로 학습하거나, 다른 추상화 기법(예: 패턴 기반 추상화)과의 통합을 탐색하는 방향이 제시된다.