[논문 리뷰] The Complexity of Multi-Mean-Payoff and Multi-Energy Games

Yaron Velner, Krishnendu Chatterjee외 4명|arXiv (Cornell University)|2012. 09. 14.

Formal Methods in Verification참고 문헌 13인용 수 5

한 줄 요약

이 논문은 다중 평균 지급 및 다중 에너지 게임의 계산 복잡도를 규명하여, 유한 메모리 전략이 둘 다 coNP-완전 복잡도를 가짐을 증명함으로써 이전에 알려진 EXPSPACE 상계와 하계가 없는 격차를 해결한다. 또한 특정 다중 평균 지급 게임에서 플레이어 2에 대해 무기억 전략이 충분함을 보이며, 무한 메모리 전략에 대한 최적의 복잡도 상계를 제공한다. 이는 평균 지급-상한 목적을 위한 NP ∩ coNP 및 평균 지급-하한 목적을 위한 coNP-완전성을 포함한다.

ABSTRACT

In mean-payoff games, the objective of the protagonist is to ensure that the limit average of an infinite sequence of numeric weights is nonnegative. In energy games, the objective is to ensure that the running sum of weights is always nonnegative. Multi-mean-payoff and multi-energy games replace individual weights by tuples, and the limit average (resp. running sum) of each coordinate must be (resp. remain) nonnegative. These games have applications in the synthesis of resource-bounded processes with multiple resources. We prove the finite-memory determinacy of multi-energy games and show the inter-reducibility of multimean-payoff and multi-energy games for finite-memory strategies. We also improve the computational complexity for solving both classes of games with finite-memory strategies: while the previously best known upper bound was EXPSPACE, and no lower bound was known, we give an optimal coNP-complete bound. For memoryless strategies, we show that the problem of deciding the existence of a winning strategy for the protagonist is NP-complete. Finally we present the first solution of multi-meanpayoff games with infinite-memory strategies. We show that multi-mean-payoff games with mean-payoff-sup objectives can be decided in NP and coNP, whereas multi-mean-payoff games with mean-payoff-inf objectives are coNP-complete.

연구 동기 및 목표

• 이전에 알려진 EXPSPACE 상계와 하계가 없는 상태에서, 다중 평균 지급 및 다중 에너지 게임의 유한 메모리 전략 하에서의 계산 복잡도를 규명하는 것.
• 다중 에너지 게임의 유한 메모리 결정성과 유한 메모리 전략 하에서 다중 평균 지급 게임과 다중 에너지 게임 간의 상호환원성을 확립하는 것.
• 혼합 목적이 포함된 하한 및 상한 평균 지급 조건을 포함한, 무기억 및 무한 메모리 전략 하에서 이러한 게임을 해결하는 데 필요한 복잡도를 규명하는 것.
• 유한 메모리 및 무한 메모리 전략 클래스에 대한 최적의 복잡도 상계를 제공하는 것. 이는 NP ∩ coNP 및 coNP-완전성 결과를 포함한다.
• 다양한 자원 사용의 평균 및 누적 조건을 갖는 다중 목적이 포함된 양적 게임을 정형화하여 자원 제약이 있는 반응형 시스템의 합성 지원

제안 방법

• 게임이론적 및 구조적 분석을 통해, 유한 메모리 전략 하에서 다중 에너지 게임의 유한 메모리 결정성과 다중 에너지 게임 및 다중 평균 지급 게임 간의 상호환원성을 증명하였다.
• 게임 그래프에 대한 귀납적 구성과 흡인기 기반 분해를 사용하여, 평균 지급-하한-상한 목적이 있는 플레이어 2에 대해 무기억 승리 전략의 존재를 보였다.
• 복잡한 다중 목적이 단순 목적으로의 논리적 합성(예: 평균 지급-하한 및 평균 지급-상한)으로 환원되어, 일인용 게임에서 다항 시간 검증이 가능함을 보였다.
• 단일 목적이 포함된 평균 지급 게임의 결과(예: 평균 지급-하한의 다항 시간 해법)를 활용하여, 환원을 통한 coNP 상계를 확립하였다.
• 게임 분해 기법과 무기억 전략 구성 기법을 적용하여, 승리 영역가 유한 상태 오토마타 및 흡인기 계산을 통해 계산 가능함을 증명하였다.
• 논리적 및 구조적 환원을 사용하여, 무한 메모리 전략을 사용하는 다중 평균 지급 게임의 해결 복잡도가 상한 목적이 있는 경우 NP ∩ coNP에 속하고, 하한 목적이 있는 경우 coNP-완전함을 증명하였다.

실험 결과

연구 질문

• RQ1 유한 메모리 전략 하에서 다중 에너지 게임을 해결하는 데 필요한 정확한 계산 복잡도는 무엇인가?
• RQ2 유한 메모리 전략 하에서 다중 평균 지급 게임과 다중 에너지 게임은 상호환원 가능한가?
• RQ3 혼합 하한 및 상한 목적이 포함된 다중 평균 지급 게임에서 플레이어 2에 대해 무기억 전략이 충분한가?
• RQ4 무한 메모리 전략 하에서 다중 평균 지급 게임을 해결하는 데 필요한 복잡도는 무엇인가? 특히 평균 지급-하한 및 평균 지급-상한 목적이 있는 경우에 대해.
• RQ5 유한 메모리 결정성이 다중 에너지 및 다중 평균 지급 게임에서 임의의 전략 하에서의 결정성과 일치하는가?

주요 결과

• 유한 메모리 전략 하에서 다중 에너지 및 다중 평균 지급 게임을 해결하는 데 필요한 복잡도는 coNP-완전이며, 이는 이전에 알려진 EXPSPACE 상계와의 격차를 메운다.
• 유한 메모리 전략 하에서 다중 에너지 게임과 다중 평균 지급 게임은 상호환원 가능하며, 이는 이 전략 클래스 내에서 계산 복잡도가 동일함을 보여준다.
• 무기억 전략 하에서 두 게임 유형의 결정 문제는 NP-완전이며, 이는 이 제한된 설정 하에서의 타당성을 확인한다.
• 다중 평균 지급 게임에서 평균 지급-상한 목적이 있는 무한 메모리 전략은 NP ∩ coNP 내에서 결정 가능하며, 단일 목적이 포함된 평균 지급 게임이 P에 속한다면 문제는 P에 속한다.
• 다중 평균 지급 게임에서 평균 지급-하한 목적이 있는 경우 coNP-완전이며, 평균 지급-하한 및 평균 지급-상한 목적이 혼합된 경우도 coNP-완전이다.
• 다중 에너지 게임에 대해 유한 메모리 결정성이 성립하며, 이는 임의의 전략 하에서의 결정성과 일치하지만, 다중 평균 지급 게임에서는 전략 클래스 간에 결정성이 다름을 보여준다.