본 논문은 형식적 방법을 사용하여 합성된 전략이 복잡하고 무한한 메모리가 필요할 수 있으며, 이는 다중 에이전트 시스템(MAS) 모델링 시 예상되는 동작과 일치하지 않는 문제를 다룹니다. 이를 해결하기 위해, 에이전트의 기억 기반 전략 수립 능력과 모델 검사 복잡성 사이의 균형을 맞춘 자연 전략 프레임워크를 확률적 시간 논리 PATL 및 PATL에 적용하여 NatPATL 및 NatPATL을 제안합니다. 주요 결과로, 확률적 MAS에서 NatPATL 모델 검사는 능동 연합이 결정적 전략으로 제한될 때 NP-완전임을 보입니다. 또한, 동일한 제한 조건에서 NatPATL에 대해 2NEXPTIME 복잡성 결과를 제시합니다. 비제한적인 경우, NatPATL에 EXPSPACE, NatPATL에 3EXPSPACE 복잡성을 보입니다.