효율적인 시뮬레이션 알고리즘

초록

본 논문은 Kripke 구조에서 시뮬레이션 전위와 동등성을 계산하기 위한 새로운 알고리즘을 제시한다. 제안된 방법은 공간 복잡도를 |Pₛᵢₘ|²·log|Pₛᵢₘ| + |Σ|·log|Σ| 로 최소화하면서, 시간 복잡도는 |Pₛᵢₘ|·|→|·log|Σ| 을 달성한다. 이는 기존 최고 공간 효율 알고리즘과 최고 시간 효율 알고리즘의 장점을 동시에 취한다는 점에서 의미가 크다.

상세 분석

시뮬레이션 전위는 상태 전이 시스템에서 한 상태가 다른 상태의 행동을 “흉내낼” 수 있는지를 판단하는 관계이며, Kripke 구조 위에서의 시뮬레이션 동등성은 이 관계를 대칭화한 파티션 Pₛᵢₘ 으로 표현된다. 기존 연구는 크게 두 축으로 나뉜다. 하나는 공간 복잡도를 최소화하는 방향으로, 파티션 자체를 저장하는 데 |Pₛᵢₘ|² 이라는 지배적인 항을 갖는 알고리즘이 대표적이다. 다른 하나는 시간 복잡도를 최적화하는 방향으로, O(|Pₛᵢₘ|·|→|) 의 실행 시간을 목표로 하지만, 이를 위해 추가적인 인덱스 구조나 중복 데이터를 저장해 공간 사용량이 급격히 늘어나는 경우가 많다. 이러한 트레이드오프를 극복하고자 저자들은 파티션 정제(partition refinement)와 효율적인 역전이 집합 관리 기법을 결합한 새로운 프레임워크를 설계하였다. 핵심 아이디어는 (1) 파티션 블록을 트리 형태로 계층화하여 |Pₛᵢₘ| 개의 블록에 대해 로그 스케일의 탐색·업데이트가 가능하도록 하고, (2) 각 상태의 전이와 역전이를 각각 log|Σ| 시간 안에 접근할 수 있는 균형 이진 탐색 트리 혹은 힙 구조에 매핑함으로써 전체 알고리즘의 시간 복잡도에 log|Σ| 인자를 삽입한다는 점이다. 결과적으로 공간 복잡도는 |Pₛᵢₘ|²·log|Pₛᵢₘ| + |Σ|·log|Σ| 으로, 기존 최적 공간 알고리즘에 로그 팩터만 추가된 수준이며, 시간 복잡도는 |Pₛᵢₘ|·|→|·log|Σ| 으로, 최적 시간 알고리즘에 로그 팩터가 한 번만 곱해진 형태다. 이는 실제 대규모 시스템 모델링에서 메모리 제한과 실행 시간 요구를 동시에 만족시킬 수 있는 실용적인 해법으로 평가된다.