[논문 리뷰] A Combination Framework for Complexity

Martin Avanzini, Georg Moser|arXiv (Cornell University)|2013. 02. 05.

Logic, programming, and type systems참고 문헌 20인용 수 23

한 줄 요약

이 논문은 용어 재작성 시스템에서 다항식 복잡도 분석을 위한 통합적 조합 프레임워크를 제안하며, 유도 복잡도 및 런타임 복잡도 분석을 통합한다. 일반화된 복잡도 쌍, 종속성 쌍 기법의 확장, 그리고 독립적인 부분 문제로 분할함으로써 복잡도 상한을 곱셈적으로 제한하는 데 기여하는 새로운 방법인 종속성 그래프 분해 기법을 도입한다.

ABSTRACT

In this paper we present a combination framework for polynomial complexity analysis of term rewrite systems. The framework covers both derivational and runtime complexity analysis. We present generalisations of powerful complexity techniques, notably a generalisation of complexity pairs and (weak) dependency pairs. Finally, we also present a novel technique, called dependency graph decomposition, that in the dependency pair setting greatly increases modularity. We employ the framework in the automated complexity tool TCT. TCT implements a majority of the techniques found in the literature, witnessing that our framework is general enough to capture a very brought setting.

연구 동기 및 목표

• 용어 재작성 시스템(TRSs)에서 다항식 복잡도를 분석하기 위한 일반적이고 모듈러한 프레임워크를 개발하는 것.
• 기존의 복잡도 기법들—예: 복잡도 쌍, 감소 쌍, 종속성 쌍—을 하나의 형식론으로 통합하고 일반화하는 것.
• 종속성 그래프 분해를 도입하여 모듈러리티와 자동화를 향상시켜 부분 그래프를 독립적으로 분석할 수 있도록 하는 것.
• 상대적 TRSs와 내부적 재작성, 구성자 기반 용어를 포함한 복잡한 분석 환경을 지원하는 것.
• 연간 종료성 경쟁에 참가하는 타이로리안 복잡도 도구(TCT)의 기초를 제공하는 것.

제안 방법

• 다양한 복잡도 기법들을 하나의 형식론 아래에 통합하는 조합 프레임워크를 제안하여 TRSs에 대한 모듈러 추론을 가능하게 한다.
• 기존 순서의 일반화로, 복잡도 쌍, $\mu$-모노톤 쌍, 안전한 감소 쌍을 모두 포함하는 $\mathcal{P}$-모노톤 복잡도 쌍을 도입한다.
• 일반화된 종속성 쌍을 통해 종속성 쌍 기법을 상대적 TRSs로 확장하며, 표준 및 내부적 재작성 모두를 지원한다.
• 종속성 그래프 분해를 프로세서로 도입하여 종속성 그래프를 상호 간섭이 없는 부분 그래프로 분할함으로써 독립적 분석을 가능하게 한다.
• 원래 문제의 복잡도가 부분 문제들의 복잡도의 곱으로 제한되도록 하는 재귀적 분해 전략을 사용한다.
• 유도 트리와 경로 분석을 활용하여 복잡도 상한을 공식적으로 증명하며, 종료 보장을 위해 잘 순서가 지정된 성질과 유한 분할성을 기반으로 한다.

실험 결과

연구 질문

• RQ1 용어 재작성 시스템의 다양한 복잡도 분석 기법들을 하나의 모듈러 프레임워크로 통합할 수 있는가?
• RQ2 복잡도 쌍과 감소 쌍이 유도 복잡도와 런타임 복잡도를 통일적으로 다룰 수 있도록 일반화될 수 있는가?
• RQ3 종속성 그래프 분석은 모듈러리티를 향상시키고 자동 분석의 복잡도를 감소시키기 위해 어떻게 향상시킬 수 있는가?
• RQ4 종속성 그래프를 독립적인 부분 문제로 분해할 경우 전체 복잡도 상한에 어떤 영향을 미치는가?
• RQ5 제안된 프레임워크는 모든 주요 복잡도 분석 하위 영역을 지원하는 도구에 효과적으로 구현될 수 있는가?

주요 결과

• 제안된 프레임워크는 복잡도 쌍, 감소 쌍, 종속성 쌍 방법을 포함한 다양한 복잡도 분석 기법들을 성공적으로 통합한다.
• $\mathcal{P}$-모노톤 복잡도 쌍은 기존 순서를 일반화하며, 유도 복잡도와 런타임 복잡도를 통일적으로 다룰 수 있도록 한다.
• 종속성 그래프 분해를 통해 상호 간섭이 없는 부분 그래프를 독립적으로 분석할 수 있으며, 전체 복잡도는 부분 문제 복잡도의 곱으로 제한된다.
• 이 프레임워크는 타이로리안 복잡도 도구(TCT)가 연간 종료성 경쟁의 네 가지 복잡도 하위 분야를 모두 지원할 수 있도록 하여 실용적 일반성의 증거가 된다.
• 부분 문제가 각각 $\mathsf{O}(f(n))$ 및 $\mathsf{O}(g(n))$로 제한될 경우, 원래 문제의 복잡도 상한은 $\mathsf{O}(f(n) \cdot g(n))$이며, 이 상한은 종종 날카롭다.
• 프레임워크는 상대적 TRSs를 지원하며, 경로 분석 및 지식 전파 기법을 내부적 재작성과 구성자 기반 용어를 포함한 더 일반적인 환경으로 확장한다.