본 논문은 해싱 기반 근사적 모델 계산 알고리즘인 $\mathsf{ApproxMC}$의 내부 매개변수를 결정하는 새로운 방법을 제안합니다. $\mathsf{ApproxMC}$가 Probably Approximately Correct (PAC)이면서 동시에 효율적이도록 매개변수 값을 선택하는 것이 문제입니다. 기존의 접근 방식은 휴리스틱에 의존했지만, 본 논문에서는 $\mathsf{ApproxMC}$의 정확성 증명을 임의의 매개변수 값으로 일반화하여 얻어지는 최적화 문제로 이 문제를 해결합니다. 이 접근 방식은 알고리즘의 정확성과 최적성에 대한 고려 사항을 분리하여 반복적인 경우별 논증 없이 전자를 해결하고 후자에 대한 명확한 프레임워크를 확립합니다. 또한, 최적화 문제는 단순한 형태로 축소되어 기본적인 탐색 알고리즘을 사용할 수 있으며, 매개변수 값이 알고리즘 성능에 어떻게 영향을 미치는지에 대한 통찰력을 제공합니다. 실험 결과, 최적화된 매개변수를 사용하면 최신 $\mathsf{ApproxMC}$의 실행 시간 성능이 오차 허용치에 따라 1.6배에서 2.4배까지 향상됨을 보여줍니다.
