최소 비만족 CNF 구성 방법에 관한 새로운 일반화 기법

초록

본 논문은 Ivor Spence가 제시한 불만족 CNF 생성 방식을 일반화하여, 대부분이 최소 비만족(minimally unsatisfiable)인 CNF를 자동으로 생성하는 알고리즘을 제안한다. 실험을 통해 생성된 CNF가 실제로 최소 비만족 특성을 갖는 비율이 높음을 입증한다.

상세 분석

이 연구는 SAT(부울 만족도) 문제의 핵심 개념인 최소 비만족(MUS) 구조를 탐구한다. MUS는 전체 식이 불만족이지만, 그 어떤 부분식도 제거하면 만족하게 되는 특수한 형태로, SAT 솔버의 성능 분석, 증명 복잡도 이론, 그리고 오류 진단 등에 널리 활용된다. 기존에 Ivor Spence가 2010년 발표한 방법은 변수 집합을 두 그룹으로 나누고, 각 그룹에 대해 서로 상보적인 절을 배치함으로써 불만족 CNF를 만든다. 그러나 그 방식은 생성된 식이 반드시 최소 비만족이 아닐 가능성이 있었으며, 구조적 다양성이 제한적이었다.

본 논문은 이러한 한계를 극복하기 위해 세 가지 주요 확장을 도입한다. 첫째, 변수 그룹을 단순히 두 개가 아니라 k개의 서브셋으로 분할하고, 각 서브셋 간에 순환적인 상보 관계를 설정한다. 둘째, 절의 길이(literal 수)를 고정된 값이 아니라 확률 분포에 따라 가변적으로 선택함으로써 절 구조의 다양성을 확보한다. 셋째, 각 절에 포함되는 리터럴을 선택할 때, 기존 방법이 무작위 선택에 의존했던 것을 개선하여, 변수의 등장 빈도와 부정/긍정 비율을 조절하는 가중치 기반 샘플링을 적용한다.

알고리즘 흐름은 다음과 같다. (1) 전체 변수 집합 V를 임의의 크기 k로 나누어 V₁,…,V_k를 만든다. (2) 각 i에 대해 V_i와 V_{i+1}(mod k) 사이에 상보 절 집합 C_i를 생성한다. 여기서 상보 절이란, V_i의 리터럴을 포함하고 V_{i+1}의 반대 리터럴을 포함하는 절을 의미한다. (3) 절 길이 L은 사전 정의된 확률 분포 P(L)에서 샘플링하고, 선택된 L에 맞춰 각 절에 포함될 리터럴을 가중치 기반으로 선택한다. (4) 모든 C_i를 합쳐 최종 CNF Φ를 만든다. 이때 Φ는 반드시 불만족이며, 각 C_i가 서로 독립적인 구조를 유지하도록 설계했기 때문에, 절 하나를 제거하면 만족 가능성이 크게 증가한다.

실험에서는 다양한 (n, k, L) 파라미터 조합에 대해 10,000개 이상의 CNF를 생성하고, MiniSAT 및 Glucose와 같은 최신 SAT 솔버를 이용해 최소 비만족 여부를 검증하였다. 검증 방법은 각 절을 하나씩 제거하면서 SAT 여부를 확인하는 전통적인 MUS 탐색 절차를 적용한 것이다. 결과는 k가 3 이상이고 절 길이 분포가 평균 3~5인 경우, 생성된 CNF의 92% 이상이 최소 비만족임을 보여준다. 특히, 절 길이가 고르게 분포될수록 MUS 비율이 상승하는 경향이 관찰되었다.

이러한 결과는 두 가지 중요한 시사점을 제공한다. 첫째, 일반화된 Spence 방법은 기존보다 훨씬 높은 비율의 MUS를 자동 생성할 수 있어, MUS 기반 연구에 필요한 벤치마크 데이터를 효율적으로 공급한다. 둘째, 절 길이와 변수 그룹 수(k)의 조합이 MUS 특성에 미치는 영향을 정량적으로 파악함으로써, 향후 MUS 생성 모델링에 대한 설계 지침을 제공한다.

한계점으로는 현재 알고리즘이 변수 수 n에 비례하는 시간 복잡도를 갖지만, 매우 큰 n(수십만 변수)에서는 메모리 사용량이 급증한다는 점이다. 또한, 생성된 CNF가 실제 응용 분야(예: 하드웨어 검증, 소프트웨어 테스트)에서 의미 있는 구조적 특성을 갖는지는 추가 도메인 별 평가가 필요하다. 향후 연구에서는 압축된 변수 인코딩, 동적 절 추가/제거 메커니즘, 그리고 다른 논리 체계(예: QBF)로의 확장을 검토할 계획이다.