A Multi-Agent Consensus Protocol for Stable Software Remodularization

기술적 요약: 안정적인 소프트웨어 리모듈러라이제이션을 위한 다중 에이전트 합의 프로토콜

문제 정의
현재 자동화된 소프트웨어 리모듈러라이제이션 접근법들은 대부분 이 작업을 단일 목적 함수 최적화 문제로 규정하며, 응집력을 향상시키고 결합도를 낮추기 위해 TurboMQ 와 같은 구조적 지표를 최대화하는 데 중점을 둡니다. 최근의 메타휴리스틱 기법들이 검색 효율성을 개선했지만, 이러한 방법들은 중요한 실용적 제약 조건인 진화적 안정성을 해결하지 못합니다. 구조적 품질을 최대화하되 이전 시스템 버전과 현저히 다른 분해는 개발자에게 막대한 인지적 부담을 부과합니다. 기존 도구들은 "예산 무감각"하여 안정성을 무시하거나 임의의 계수를 가진 고정된 가중 합으로 안정성을 통합함으로써, 엄격한 안정성 제약을 강제하거나 특정 이해관계자의 선호도에 적응할 능력을 결여하고 있습니다.

방법론: 비대칭 단조 양보 프로토콜 (AMCP)
저자들은 소프트웨어 모듈화를 정적 최적화 문제가 아닌 자율 에이전트 간의 분산 합의 문제로 재정의합니다. 제안된 프레임워크는 상충되는 효용 함수를 가진 두 개의 에이전트를 도입합니다:

1. 응집 에이전트 ($A_{coh}$): 정규화된 TurboMQ 지표를 사용하여 구조적 밀도를 최대화하려 합니다.
2. 안정성 에이전트 ($A_{sta}$): Move-plus-Join(MoJo) 거리를 최소화함으로써 이전 버전 ($D_{prev}$) 의 레이아웃을 유지하려 합니다.

핵심 메커니즘은 **비대칭 단조 양보 프로토콜 (AMCP)**입니다. 이 프로토콜에서:

• 비대칭성: 안정성 에이전트가 유일한 제안자로 행동하며, 이는 레거시 아키텍처가 기본 상태인 실제 유지보수 시나리오를 반영합니다. 응집 에이전트는 안정성 하한선을 위반하지 않는 한 응집력을 개선하는 이동은 암묵적으로 수용합니다.
• 양보 논리: 안정성 에이전트는 잠재적인 단일 모듈 재할당을 평가하고 **양보 비율 ($R(\delta)$)**을 최소화하는 이동을 선택합니다. 이 비율은 응집력 효용의 단위당 안정성 효용의 비용을 나타냅니다.
• 임계값: 프로토콜은 명시적인 생존 임계값 ($\tau_{sta}$ 및 $\tau_{coh}$) 을 강제합니다. 이동이 안정성 예산 ($\tau_{sta}$) 을 위반하면 거부됩니다.
• 종료: 협상은 안정성 임계값을 존중하면서 응집력을 개선하는 유효한 이동이 더 이상 존재하지 않거나, 유효한 이동의 집합이 소진될 때 종료됩니다.

주요 기여

1. 공식 수학적 모델: 이 논문은 효용 기반 에이전트 간의 분산 합의 문제로서의 소프트웨어 리모듈러라이제이션에 대한 공식 모델을 수립합니다.
2. AMCP 프로토콜: 저자들은 AMCP 를 제안하며, 다음에 대한 공식적 증명을 포함합니다:
   • 유한 종료: 프로토콜은 응집 효용을 엄격한 라야푸노프 함수로 사용하므로 유한한 단계 ( $n \cdot (k_{max} - 1)$ 로 제한됨) 내에 종료됨이 보장됩니다.
   • 합리성 (Zeuthen 전략): 프로토콜의 행동은 Zeuthen 전략에 매핑되어, 에이전트들이 상대방을 만족시키기 위해 필요한 최소한의 양보를 하도록 보장하며, 먼저 "저렴한" 양보를 우선시합니다.
   • 국소 파레토 만족성: 결과 파티션은 단일 이동 이웃 내에서 국소적으로 파레토 만족적입니다. 즉, 안정성 임계값을 위반하지 않고는 응집력을 엄격하게 개선할 수 있는 단일 재할당이 존재하지 않음을 의미합니다.
3. 복잡도 분석: 이 접근법은 검색 공간을 효과적으로 가지치기하여 단계당 $O(n \cdot k)$개의 후보를 평가하며, 이는 개체 기반 메타휴리스틱의 지수적 상태 공간과 대조됩니다.

실험 결과
예비 실험은 합성 벤치마크와 Xwork Java 프레임워크(113 개의 클래스, 10 개의 패키지) 에서 수행되었습니다.

• 예산 강제: 프로토콜은 엄격한 안정성 예산을 성공적으로 강제했습니다. 안정성 임계값 ($\tau_{sta}$) 을 구속적 제약 (0.95) 으로 설정했을 때, 프로토콜은 검색을 초기에 중단 (3 단계) 하여 0.9583 의 안정성 효용을 유지했는데, 이는 제약이 없는 Bunch 옵티마이저 (0.9167) 보다 훨씬 높습니다.
• 느슨한 예산: 느슨한 예산 ($\tau_{sta} \leq 0.90$) 의 경우, 결과는 제약이 없는 경우와 동일하여, 프로토콜이 안정성이 제한 요인이 되기 전에 모든 구조적 개선을 자연스럽게 소진함을 나타냅니다.
• 비교: 협상된 합의는 안정성 제약이 느슨할 때 최첨단 옵티마이저 (Bunch, CC/G) 와 일치했으나, 엄격한 제약이 적용될 때는 "회로 차단기" 역할을 수행했습니다.
• 효율성: Python 구현은 Xwork 시스템에서 단계당 평균 1.24 초를 소요하여 이 접근법의 실현 가능성을 확인했습니다.

의의 및 주장
이 논문은 정적, 일회성 클러스터링 결과 융합을 동적 다중 에이전트 협상으로 대체함으로써 질적 도약을 주장합니다.

• 아키텍처 제어: 주요 의의는 아키텍트가 설정한 "안정성 예산"을 수학적으로 강제할 수 있는 능력에 있으며, 이는 시스템 레이아웃이 구조적 최적화만을 위해 저하되지 않도록 보장합니다.
• 공식적 보장: 휴리스틱 접근법과 달리, 이 프레임워크는 종료 및 합리적 양보 행동에 관한 공식적 보장을 제공합니다.
• 범위: 저자들은 예비 결과가 유망하지만, 10 개의 추가 시스템을 다루고 다목적 진화 알고리즘 (예: NSGA-II) 과의 비교를 포함하는 더 광범위한 경험적 평가는 forthcoming 된 전체 논문으로 미루어졌다고 지적합니다. 현재 작업은 코드 수준에서 협상 패러다임에 대한 개념 증명 (proof of concept) 으로 기능합니다.