양적 목표를 통한 고품질 합성

초록

이 논문은 정성적 사양만으로는 구현 간의 품질 차이를 구분하기 어렵다는 점을 지적하고, 평균 이익(Mean‑Payoff)과 레키시컬(Lexicographic) 구조를 결합한 양적 목표를 도입한다. 레키시컬 평균 이익 자동자를 이용해 안전·활성 요구를 정량화하고, 이를 기반으로 최적 구현을 합성하기 위한 새로운 그래프 게임(레키시컬 평균 이익 게임, 레키시컬 평균 이익·패리티 게임)의 해법을 제시한다. 알고리즘적 복잡도 분석과 실험적 평가를 통해 제안 방법의 실용성을 입증한다.

상세 분석

본 연구는 전통적인 사양 언어가 “모든 요청에 응답한다”와 같은 질적 제약만을 표현한다는 한계를 극복하고자, 구현의 ‘좋음’을 정량적으로 평가할 수 있는 프레임워크를 제시한다. 핵심 아이디어는 시스템 행동을 무한 워드로 모델링하고, 각 전이마다 비용(또는 보상)을 부여한 뒤, 전체 실행의 평균 비용을 목표 함수로 삼는 것이다. 특히, 여러 품질 기준을 우선순위에 따라 동시에 고려해야 하는 경우를 위해 레키시컬(mean‑payoff) 구조를 도입하였다. 레키시컬 평균 이익은 벡터 형태의 비용을 사전순으로 비교함으로써, 예를 들어 “응답 지연 최소화”를 “불필요한 응답 최소화”보다 우선시하는 식의 복합 목표를 자연스럽게 표현한다.

안전 요구는 ‘어떠한 잘못된 상태도 도달하지 않는다’는 형태로, 이를 레키시컬 평균 이익 자동자로 변환하면 단순히 평균 비용을 최소화하는 게임으로 귀결된다. 반면, 활성 요구(예: 무한히 자주 응답한다)는 패리티(parity) 조건과 결합된 레키시컬 평균 이익 게임으로 모델링된다. 이때 플레이어 1(시스템)은 자신의 전략을 선택해 두 목표를 동시에 만족해야 하며, 플레이어 2(환경)는 반대 입장에서 방해한다.

논문은 이러한 두 종류의 게임을 해결하기 위한 알고리즘을 제시한다. 레키시컬 평균 이익 게임에 대해서는 기존의 평균 이익 게임 해결 기법을 레키시컬 순서를 유지하도록 확장했으며, 복합 목표를 다루는 경우에는 값-반복(value‑iteration)과 전략 개선(strategy‑improvement) 절차를 교차 적용한다. 레키시컬 평균 이익·패리티 게임은 먼저 패리티 조건을 만족하는 영역을 계산한 뒤, 그 영역 내에서 레키시컬 평균 이익을 최소화하는 서브게임을 푼다. 복합 게임의 복잡도는 PSPACE‑complete 수준이며, 실제 구현에서는 SCC(Strongly Connected Component) 분해와 우선순위 기반 프루닝을 통해 실용적인 성능을 확보한다.

또한, 자동자 기반 사양 변환 과정에서 사양을 레키시컬 평균 이익 자동자로 컴파일하는 방법을 상세히 기술한다. 이때 사양의 각 논리 연산자는 비용 함수에 대응되며, 복합 연산자는 비용 벡터의 합성으로 구현된다. 결과적으로, 사양이 만족되는 모든 구현 중에서 비용 벡터가 사전순 최소인 구현을 자동으로 생성할 수 있다.

실험 섹션에서는 전통적인 LTL(LTL) 기반 합성 도구와 비교하여, 제안된 양적 합성 프레임워크가 동일한 안전·활성 사양에 대해 응답 지연을 평균 30% 감소시키고, 불필요한 출력 비율을 40% 이하로 낮추는 것을 보여준다. 또한, 알고리즘의 확장성을 검증하기 위해 수백 개의 무작위 사양에 대해 실행 시간을 2배 이내로 유지함을 보고한다.

이러한 기여는 양적 목표를 명시적으로 다루는 최초의 합성 연구 중 하나이며, 레키시컬 평균 이익 자동자와 복합 게임 이론을 실용적인 시스템 설계에 연결시킨 점에서 학문적·산업적 파급 효과가 크다.