스털링 동등성으로 파리티 게임 가속화

초록

본 논문은 파리티 게임 그래프를 스털링 동등성으로 최소화함으로써 동일한 승자를 유지하면서도 해결 속도를 크게 향상시킬 수 있음을 보인다. 이론적 증명과 실험을 통해 스털링 동등성 기반 축소가 기존 방법보다 효율적임을 확인하였다.

상세 분석

파리티 게임은 두 플레이어가 무한히 진행되는 토큰 이동 게임으로, 각 정점에 할당된 우선순위의 최하위 짝·홀수 여부에 따라 승패가 결정된다. 기존 연구에서는 강한 동등성(strong bisimulation)이나 지연 시뮬레이션(delayed simulation) 등을 이용해 그래프를 축소했지만, 이러한 방법은 정점 간 도달 거리(카운팅)까지 고려하기 때문에 압축 효율이 제한적이었다. 논문은 스털링 동등성(stuttering equivalence)이라는, 정점의 라벨(우선순위와 소유자)만 일치하고, “무한히 같은 라벨을 반복하는” 경로를 동일하게 보는 관계를 도입한다. 핵심은 두 정점이 스털링 동등하면, 그 정점들에서 시작하는 모든 플레이가 동일한 승자를 갖는다는 정리이다. 이를 증명하기 위해 저자들은 임의의 승리 전략 φ를 가지고, φ와 스털링 동등한 정점들에 대해 새로운 전략 mimick φ,v 를 정의한다. 이 전략은 현재 경로와 스털링 동등한 경로를 유지하면서, 가능한 다음 정점을 선택할 때는 ‘reach φ,v(p)’ 집합을 통해 동일한 동등 클래스 내에서 최소 정점(전역 순서 ⊏에 따라)을 선택한다. 이렇게 하면 어떤 정점에서 시작하든, 스털링 동등한 정점들 사이에서 전략이 보존되므로 승자 집합이 변하지 않는다. 이론적으로는 스털링 동등성이 강한 동등성보다 더 거친(덜 제한적인) 관계이면서도 승자 동등성보다 더 정교하므로, 최소화 후에도 정확한 해를 얻을 수 있다. 시간 복잡도 측면에서 스털링 동등성 계산은 O(n·m) (n: 정점 수, m: 간선 수)이며, 이는 지연 시뮬레이션의 O(n³·m·d²) (d: 우선순위 종류)보다 현저히 빠르다. 또한 BDD 기반 구현과 분산 알고리즘이 존재해 대규모 인스턴스에도 적용 가능하다. 실험에서는 모델 검증에서 흔히 나타나는 우선순위가 3개 이하인 경우와 규칙적인 구조를 가진 그래프에 대해, 스털링 동등성 최소화를 수행한 뒤 기존 솔버(Small Progress Measures, McNaughton 등)를 적용했을 때 평균 해결 시간이 크게 감소함을 확인했다. 특히 강한 동등성이나 강 bisimulation 기반 축소보다 더 큰 정점 감소율을 보였으며, 경우에 따라서는 원본 그래프를 직접 푸는 것보다 2~5배 빠른 결과를 얻었다. 그러나 모든 경우에 이득이 있는 것은 아니며, 정점 구조가 복잡하거나 우선순위가 많이 분포된 경우에는 최소화 비용이 해법 비용을 초과할 수 있다. 따라서 논문은 “스털링 동등성 최소화는 대부분의 검증 워크로드에서 유용하지만, 사전 비용을 고려한 선택적 적용이 필요하다”고 결론짓는다.