본 논문은 해싱 기반 근사적 모델 카운팅 알고리즘인 ApproxMC의 내부 매개변수를 결정하는 새로운 방법을 제안합니다. 기존의 방법은 휴리스틱에 의존하는 반면, 본 논문에서는 ApproxMC의 정확성 증명을 임의의 매개변수 값으로 일반화하여 얻어지는 최적화 문제로 이 문제를 해결합니다. 이 접근 방식은 알고리즘의 정확성과 최적성을 분리하여, 반복적인 경우별 논증 없이 정확성을 다루면서 최적성에 대한 명확한 프레임워크를 제공합니다. 최적화 문제는 단순한 형태로 축소되어 기본적인 탐색 알고리즘을 사용할 수 있으며, 매개변수 값이 알고리즘 성능에 미치는 영향에 대한 통찰력을 제공합니다. 실험 결과, 최적화된 매개변수를 사용하면 최신 ApproxMC의 실행 시간 성능이 오차 허용치에 따라 1.6배에서 2.4배까지 향상됨을 보여줍니다.
