가중 재귀 상태 기계의 빠른 알고리즘

초록

본 논문은 유한 높이 반쌍대 반대수(semiring) 위에서 정의된 가중 재귀 상태 기계(RSM)의 거리 계산 문제를 다루며, 기존 PDS 기반 방법보다 훨씬 효율적인 알고리즘을 제시한다. 구성 자동자와 호출‑종료 요약을 결합한 동적 프로그래밍 기법으로 전처리와 쿼리 단계의 복잡도를 크게 낮추고, 컨텍스트 제한 동시 RSM에 대한 분석도 개선한다. 실험 결과는 SLAM/SDV 벤치마크에서 현존 도구보다 현저한 속도 향상을 확인한다.

상세 분석

이 논문은 재귀 상태 기계(RSM)를 반쌍대 반대수(semiring) 라벨이 부착된 전이 시스템으로 모델링하고, 그 위에 정의되는 거리 문제—구성 거리, 초구성 거리, 노드 거리—를 효율적으로 해결하는 새로운 알고리즘을 제시한다. 핵심 아이디어는 (i) 구성 자동자(configuration automaton)를 심볼릭 표현으로 구축하고, (ii) 각 모듈의 진입‑종료(entry‑exit) 요약을 사전에 계산해 중복 연산을 방지하는 동적 프로그래밍 기법을 결합하는 것이다. 특히 유한 높이 H를 갖는 반대수에 대해 알고리즘의 시간 복잡도를 O(H·(|R|·θ_e + |Call|·θ_e·θ_x)) 로 잡아, 기존 O(H·|R|·θ_e·θ_x·f) 보다 (|R|·f)/(θ_x+|Call|) 배 정도 개선한다. 여기서 |R|은 RSM의 전체 크기, θ_e·θ_x는 모듈당 최대 진입·종료 노드 수, f는 모듈 수, |Call|은 호출 노드 수를 의미한다.

구성 자동자를 이용해 전역적으로 도달 가능한 모든 구성 집합을 한 번에 구하고, 각 전이마다 반대수 가중치를 부착한다. 전처리 단계는 O(H·(|R|·θ_e + |Call|·θ_e·θ_x)) 로 수행되며, 이후 개별 거리 쿼리는 입력 크기 n에 대해 O(n·θ_e²) 시간에 해결된다. 반대수의 도메인이 작을 경우(예: 불리언, 작은 정수 집합) 행렬‑벡터 곱 최적화를 적용해 추가적인 상수 팩터 가속을 얻는다. 또한 호출 그래프가 희소(sparse)한 경우, 포어‑러시안(Four‑Russians) 기법을 변형해 쿼리 입력을 로그 길이 블록으로 압축함으로써 전처리와 쿼리 시간 사이에 다양한 트레이드오프를 제공한다.

동시 RSM에 대해서는 컨텍스트‑바운드(k‑bounded) 분석을 고려한다. 기존 최선 복잡도 O(|R_k|⁵·θ_‖⁵·n_k·|G|^k) 에 비해, 제안된 알고리즘은 O(|R_k|·θ_‖e·θ_‖x·n_k·|G|^k) 로 크게 개선된다. 여기서 |R_k|는 동시 RSM의 전체 크기, θ_‖e·θ_‖x는 전역 파트의 진입·종료 노드 수, n_k는 컴포넌트 RSM 수, G는 전역 파트, k는 허용 컨텍스트 전환 횟수이다.

실험에서는 SLAM/SDV 프로젝트에서 추출한 실제 코드베이스를 대상으로, 기존의 가중 푸시다운 시스템 도구인 jMoped와 비교하였다. 구현은 명시적(Explicit) 형태이지만, 심볼릭 구조를 기반으로 한 알고리즘 설계 덕분에 동일 조건에서 평균 3배 이상, 최악의 경우 10배 이상 빠른 실행 시간을 기록했다. 특히 진입·종료 노드 수가 작고 호출 그래프가 희소한 프로그램에서 그 효과가 두드러졌다.

전반적으로 이 논문은 RSM을 직접 다루는 것이 PDS로 변환하는 것보다 구조적 파라미터(진입·종료 수, 호출 수)를 활용해 알고리즘적 이점을 얻을 수 있음을 입증한다. 반대수 프레임워크와 구성 자동자 기반 심볼릭 표현을 결합함으로써, 순차·동시 분석 모두에서 이론적 복잡도와 실험적 성능을 동시에 향상시킨 점이 가장 큰 공헌이라 할 수 있다.