[논문 리뷰] Minimization of Automata

Jean Berstel, Luc Boasson외 2명|arXiv (Cornell University)|2010. 10. 26.

semigroups and automata theory인용 수 8

한 줄 요약

이 논문은 유한 오토마타 최소화 알고리즘에 대한 종합적인 분석을 제공하며, 분할 정밀화 방법(모어의 알고리즘과 호프로프트의 알고리즘)과 상태 융합 기법(레뷰즈의 알고리즘과 다시크의 알고리즘)을 비교한다. 이는 호프로프트의 알고리즘이 O(n log n) 최악의 경우 시간 복잡도를 달성하는 반면, 모어의 알고리즘과는 본질적으로 다르게 행동하고 복잡도가 다르며, 서로를 모의할 수 없음을 입증하며, 증분적 및 비결정적 오토마타 최소화로의 결과 확장을 포함한다.

ABSTRACT

This chapter is concerned with the design and analysis of algorithms for minimizing finite automata. Getting a minimal automaton is a fundamental issue in the use and implementation of finite automata tools in frameworks like text processing, image analysis, linguistic computer science, and many other applications. There are two main families of minimization algorithms. The first by a sequence of refinements of a partition of the set of states, the second by a sequence of fusions or merges of states. Hopcroft's and Moore's algorithms belong to the first family, the linear-time minimization of acyclic automata of Revuz belongs to the second family. One of our studies is upon the comparison of the nature of Moore's and Hopcroft's algorithms. This gives some new insight in both algorithms. As we shall see, these algorithms are quite different both in behavior and in complexity. In particular, we show that it is not possible to simulate the computations of one of the algorithm by the other. We describe the minimization algorithm by fusion for so-called local automata. A special case of minimization is the construction o minimal automata for finite sets. We consider briefly this case, and in particular describe incremental algorithms. Finally, we consider the case of updating a minimal automaton when a word is added or removed from the set it recognizes.

연구 동기 및 목표

• 주요 유한 오토마타 최소화 알고리즘의 설계, 행동, 복잡도를 분석하고 비교하기.
• 분할 정밀화와 상태 융합 접근법 간의 이론적 및 실용적 차이를 조사하기.
• 모어의 알고리즘과 호프로프트의 알고리즘의 평균적 성능을 평가하며, 특히 호프로프트의 알고리즘에 대한 알려진 평균 복잡도 분석의 부재를 다루기.
• 유한 단어 집합에 대한 증분적 구성 및 최소 오토마타의 동적 업데이트를 위한 최소화 기법을 확장하기.
• 최소 비결정적 오토마타의 고유한 성질과 도전 과제를 검토하며, 최소화의 NP-난이도와 잔여 오토마타의 역할을 고려하기.

제안 방법

• 미래 행동에 기반한 동치 클래스로 상태를 그룹화하는 분할 정밀화를 이용한 오토마타 최소화의 공식화.
• 역순 전이 탐색과 동적 분할 정밀화를 통한 호프로프트 알고리즘의 구현으로 O(n log n) 시간 복잡도 달성.
• 모어의 알고리즘을 분할 정밀화 과정으로 적용하여, 더 이상 정밀화가 불가능할 때까지 상태 블록을 반복적으로 분할하는 방식.
• 레뷰즈의 알고리즘을 이용한 비순환 오토마타에 대한 선형 시간 최소화 방법으로, 위상적 순서와 접미사 동치성을 활용.
• 알메이다와 자이트운의 일반화를 통해 단순 순환 성분과 다항식적으로 유 bounds된 언어를 가진 오토마타로 융합 기반 최소화를 확장.
• 다시크 등이 제안한 알고리즘을 통한 증분 최소화 도입으로, 중간 트라이를 구축하지 않고도 동적 업데이트를 지원함.

실험 결과

연구 질문

• RQ1 모어의 알고리즘과 호프로프트의 분할 정밀화 알고리즘의 계산적 행동과 시간 복잡도는 어떻게 다른가? 그리고 한쪽이 다른 쪽을 모의할 수 있는가?
• RQ2 호프로프트 알고리즘의 평균 복잡도 시간은 무엇이며, 모어의 알고리즘이 알려진 O(n log n) 평균 성능을 보이는 데 비해, 호프로프트의 알고리즘의 평균 복잡도는 아직 분석되지 않았다.
• RQ3 상태 융합 알고리즘은 비순환 오토마타를 초월하여 단순 순환 성분이나 다항식적으로 유 bounds된 언어를 가진 더 일반적인 클래스로 확장될 수 있는가?
• RQ4 단어가 추가되거나 제거될 때 오토마타의 증분 최소화에 대한 알고리즘적 과제와 복잡도 상한은 무엇인가?
• RQ5 최소 비결정적 오토마타가 유일한 조건은 무엇이며, 일반적으로 비결정적 오토마타의 최소화는 어떤 계산 복잡도를 가지는가?

주요 결과

• 호프로프트의 알고리즘은 O(n log n) 최악의 경우 시간 복잡도를 달성하며, 오늘날까지 가장 효율적인 일반 목적 최소화 알고리즘이다.
• 모어의 알고리즘은 더 단순하지만 최악의 경우 O(n²) 복잡도를 가지며, 평균적으로는 O(n log n) 성능를 보이지만, 호프로프트의 알고리즘의 평균 복잡도는 아직 분석되지 않았다.
• 상태 처리 순서와 정밀화 전략의 근본적인 차이로 인해, 호프로프트 알고리즘의 계산을 모어의 알고리즘으로 모의하거나 그 반대는 불가능하다.
• 레뷰즈의 비순환 오토마타에 대한 선형 시간 최소화 알고리즘은 최적이며, 위상적 순서를 활용한 동치 상태의 하향식 융합에 기반한다.
• 알메이다와 자이트운의 확장에 의해, 융합 기반 접근법은 단순 순환 성분과 다항식적으로 유 bounds된 언어를 가진 오토마타로 일반화될 수 있다.
• 비결정적 오토마타의 최소화는 NP-난이도이며, 비결정적 오토마타의 최소화는 근사화가 불가능하다.