고정 매개변수 알고리즘을 활용한 SGA 휴리스틱 품질 분석

본 논문은 선형 프로그램(LP)에서 최대 반사 네트워크를 추출하는 문제인 DMERN(Maximum Reflected Network) 문제를 다룬다. 저자들은 먼저 행렬 A를 (0,±1) 형태로 가정하고, 이를 기반으로 부호 그래프 G(A)를 정의한다. 정리 1에 의해 A에서 가능한 최대 반사 네트워크 크기 ν(A)와 G(A)에서 찾을 수 있는 최대 균형 부분 그래프의 크기 η(G(A))가 동일함을 보이며, 따라서 DMERN 문제는 부호 그래프에서 최대 균형 서브그래프를 찾는 문제로 환원된다. 기존에 제안된 SGA 휴리스틱은 네 단계로 구성된다. 첫째, 부호 그래프 G에서 스패닝 포레스트 T를 만든다(원 논문에서는 무작위 방식 RS를 사용). 둘째, T를 이용해 정점 집합 W를 찾아 T^W에 음의 간선이 없도록 변환한다. 셋째, T^W의 음의 간선들로 이루어진 서브그래프 N에서 그리디 최소 차수 알고리즘을 적용해 최대 독립 집합 I를 구한다. 넷째, I를 최종 해로 반환한다. 저자들은 SGA의 두 핵심 서브프로세스, 즉 (1) 독립 집합 탐색과 (2) 스패닝 트리 구축을 각각 고정 매개변수 알고리즘(FPT)으로 대체해 성능 향상을 시도한다. 독립 집합 문제는 보완 집합인 최소 정점 커버와 동치이므로, k‑정점 커버에 대한 기존 FPT 알고리즘(O(1.27^k·n))을 적용한다. 실험 결과, 그리디 방식이 이미 거의 최적 해를 제공하므로 정확한 FPT 알고리즘을 사용해도 전체 휴리스틱의 품질 향상은 미미했다. 반면 스패닝 트리 단계는 결과에 큰 영향을 미쳤다. 저자들은 무작위(RS) 외에 BFS와 DFS 두 가지 전통적인 탐색 방법을 도입하였다. 실험에서는 DFS가 가장 큰 균형 서브그래프를 찾아내는 비율이 현저히 높았으며, 실행 시간은 BFS와 RS와 비교해 차이가 거의 없었다. 따라서 SGA의 개선은 스패닝 트리 구축 단계에 DFS를 적용하는 것이 핵심임을 확인했다. 또한, 논문은 SGA와 그 변형들의 품질을 정확히 평가하기 위해 고정 매개변수 알고리즘을 이용해 DMERN 문제 자체를 최적화하였다. 이를 위해 ‘Minimum Balanced Deletion(MBD)’ 문제를 정의하고, 이를 ‘Bipartization’ 문제로 변환한다. 양의 간선을 삽입해 만든 무부호 그래프 G′에 대해 기존의 bipartization FPT 알고리즘(O*(3^k))을 적용하면, k가 작을 때 전체 인스턴스를 정확히 해결할 수 있다. 저자들은 테스트베드의 대부분 인스턴스에 대해 k가 충분히 작아 이 알고리즘으로 최적 해를 구했으며, 이를 기준으로 SGA, SGA3, SGA80 및 그 DFS 변형들의 성능을 정량적으로 비교하였다. 실험 결과는 다음과 같다. 기본 SGA는 이미 높은 품질을 보였으며, 특히 SGA80(DFS) 변형은 거의 모든 인스턴스에서 최적 해를 도출했다. 독립 집합을 정확히 풀어도 성능 향상이 크지 않았으며, 스패닝 트리 단계에서 DFS를 사용한 것이 품질 향상의 결정적 요인으로 확인되었다. 또한, 고정 매개변수 알고리즘을 활용해 최적 해를 구함으로써 휴리스틱 평가에 객관적인 기준을 제공했으며, 향후 연구에서는 스패닝 트리 구축 단계의 구조적 특성을 더 깊이 탐구함으로써 추가적인 개선 가능성을 제시한다.