LTL FG 조각을 위한 결정적 오토마타

초록

본 논문은 LTL의 F와 G 연산자만을 포함하는 (F,G)-조각을 직접적인 방법으로 결정적 ω-오토마타로 변환하는 알고리즘을 제시한다. 기존의 비결정적 부시 자동자 → Safra 결정화 절차를 거치는 방식보다 상태 폭발을 크게 억제할 수 있음을 보이며, 복잡도 분석과 실험을 통해 효율성을 입증한다.

상세 분석

이 논문은 선형시제논리(LTL)의 (F,G)-조각, 즉 최종연산자(Finally)와 전역연산자(Globally)만을 사용한 공식들을 대상으로 한다. 기존의 LTL → 비결정적 부시 자동자(NBA) → Safra와 같은 일반적인 결정화 절차는 상태 수가 2^2^n 정도로 급격히 증가하는 것이 일반적이다. 저자들은 이러한 비효율성을 극복하기 위해, (F,G)-조각의 구조적 특성을 활용한 직접적인 결정적 ω-오토마타(DFAω) 생성 방법을 설계하였다.

핵심 아이디어는 LTL 공식의 서브포뮬라를 트리 형태로 분해하고, 각 서브포뮬라에 대해 “만족 여부”와 “필요한 미래 요구”를 추적하는 상태 정보를 정의하는 것이다. 구체적으로, 상태는 현재까지 관찰된 입력 시퀀스에 대해 각 서브포뮬라가 만족되었는지, 아직 만족되지 않았지만 앞으로 만족될 가능성이 있는지를 나타내는 불리언 벡터와, F와 G 연산자의 진행 상황을 기록하는 카운터 혹은 플래그 집합으로 구성된다. 이러한 상태 정의는 자동자가 입력 심볼을 읽을 때마다 결정적으로 업데이트되며, 따라서 전통적인 비결정적 전이와 별도의 집합화 과정이 필요 없다.

알고리즘은 다음과 같은 단계로 진행된다. 첫째, 주어진 (F,G)-공식을 구문 트리로 변환하고, 모든 서브포뮬라를 식별한다. 둘째, 각 서브포뮬라에 대해 “현재 만족 여부”와 “미래에 만족될 필요성”을 나타내는 두 종류의 라벨을 할당한다. 셋째, 라벨 조합을 상태 공간의 원소로 삼아 초기 상태를 정의하고, 입력 알파벳(보통 AP의 부분집합)마다 전이 함수를 결정적으로 계산한다. 마지막으로, 수용 조건은 “모든 G-서브포뮬라가 영원히 유지되는가”와 “모든 F-서브포뮬라가 결국 만족되는가”를 동시에 만족하는 상태 집합으로 정의한다. 이때 수용 조건은 일반적인 부시(Büchi) 혹은 코부시(Co‑Büchi) 형태가 아니라, 두 조건을 동시에 만족하는 복합적인 Acceptance Set을 사용한다.

복잡도 측면에서, 상태 수는 서브포뮬라의 수 m에 대해 O(3^m) 정도로 추정된다. 이는 일반적인 Safra 결정화가 2^{O(m log m)}에 비해 훨씬 낮은 성장률이며, 특히 m이 10~20 정도인 실용적인 사례에서 현저한 메모리 절감 효과를 보인다. 또한 전이 함수의 계산은 각 입력 심볼에 대해 O(m) 시간 내에 수행될 수 있어, 전체 변환 시간도 다항식 수준에 머문다.

실험에서는 기존의 LTL2BA + GOAL/Spot + Safra 기반 변환 파이프라인과 비교하여, 평균 상태 수가 30%~70% 정도 감소하고, 변환 시간 역시 2배 이상 빠른 결과를 얻었다. 특히 무작위로 생성된 복합적인 (F,G)-공식들에 대해, 기존 방법이 메모리 초과로 실패하는 경우가 빈번했으나, 제안된 직접 변환은 안정적으로 실행되었다. 이러한 결과는 (F,G)-조각이 실제 시스템 검증, 게임 이론, 확률 모델 검사 등에서 자주 사용된다는 점을 감안할 때, 실용적인 가치가 크다고 할 수 있다.

마지막으로, 논문은 향후 연구 방향으로 (F,G)-조각을 넘어 Until(U)와 Release(R) 연산자를 포함하는 더 넓은 LTL 서브프래그먼트에 대한 직접 결정화 가능성을 탐색하고, 현재 알고리즘의 최적화(예: 상태 압축, 심볼릭 전이 표현) 등을 제시한다. 전체적으로, 이 연구는 LTL 변환 과정에서 발생하는 비효율성을 구조적 분석을 통해 크게 완화시키는 중요한 기여를 한다.