3‑SAT을 위한 결합형 랜덤 알고리즘: PPZ와 DEL의 최적 조합

본 논문은 3‑SAT 문제에 대한 새로운 랜덤 알고리즘을 제시하고, 기존의 PPZ 알고리즘과 결합하여 인스턴스별 성공 확률을 최적화한다. 먼저, 배경으로 k‑SAT이 NP‑complete이며, 특히 k≥3인 경우 다양한 알고리즘이 제안되어 왔지만, 아직도 평균적인 실행 시간 개선이 활발히 연구되고 있다. Paturi 등(1999)의 PPZ 알고리즘은 무작위 변수 순열을 정하고, 유닛 절이 나타날 경우 강제 할당을, 그렇지 않으면 무작위 할당을 수행한다. 이 알고리즘은 ‘임계 절’(critical clause)이라는 개념을 도입해, 특정 만족 할당 α에 대해 정확히 하나의 리터럴만이 참인 절이 존재하면 해당 변수는 강제될 가능성이 높아져 성공 확률이 2^{‑n(1‑1/k)} 이상으로 향상된다. 특히 3‑SAT에서는 하한이 2^{‑2n/3} ≈ (1.5875)^{‑n}이다. 그러나 PPZ는 임계 절이 적은 경우 성공 확률이 급격히 감소한다는 한계가 있다. 이를 보완하기 위해 저자들은 DEL이라는 새로운 알고리즘을 고안한다. DEL은 각 3‑리터럴 절에서 무작위로 하나의 리터럴을 삭제해 2‑SAT 인스턴스로 변환하고, 결정적 2‑SAT 솔버(선형 시간)로 만족 할당을 찾는다. 임계 절이 α에 대해 c(α)개 존재하면, 해당 절의 리터럴이 삭제되지 않을 확률은 (2/3)^{c(α)}이며, 따라서 DEL의 성공 확률은 (2/3)^{c(α)}이다. 즉, c(α) 가 작을수록 DEL은 높은 성공률을 보인다. 두 알고리즘의 장단점을 결합하기 위해 논문은 DEL‑PPZ 알고리즘을 제안한다. 알고리즘은 다음과 같이 동작한다. (1) 무작위 순열 π를 선택한다. (2) i=1…n에 대해 현재 3‑CNF φ에 대해 각 3‑리터럴 절을 무작위로 하나씩 삭제해 φ′(i)를 만든다. (3) φ′(i) 에 대해 2‑SAT 솔버를 실행한다. 성공하면 즉시 만족 할당을 반환한다(DEL 단계). (4) 2‑SAT 솔버가 실패하면, PPZ와 동일하게 현재 변수 x_{π(i)}에 대해 유닛 절이 있으면 강제, 없으면 무작위 할당을 수행한다. (5) 모든 변수에 대해 반복 후 최종 할당이 만족하면 반환한다(PPZ 단계). 이 구조는 각 i 단계에서 두 경로 중 하나가 성공하면 즉시 종료되므로, 전체 성공 확률 τ(φ)는 PPZ와 DEL 중 더 큰 값과 동일하거나 그 이상이 된다. 논문은 이를 수학적으로 분석한다. 임계 절의 평균 개수 d = (1/n)·∑_{α∈S} c(α) 라고 정의하고, d가 1 ≤ d ≤ 2/(3·log(3/2)) ≈ 1.9317 구간에 있을 때 다음 부등식이 성립한다. τ(φ) ≥ max{ (2/3)^{d·n}, 2^{‑2n/3} } > 2^{‑2n/3} 즉, 평균 임계 절 개수가 위 구간에 있으면 DEL‑PPZ는 PPZ보다 확실히 높은 성공 확률을 제공한다. 또한, 알고리즘을 ω = ⌈n/τ(φ)⌉ 번 반복하면 전체 오류 확률이 e^{‑n} 이하가 되므로, 기대 실행 시간은 O( (1/τ(φ))·poly(n) 이다. 논문의 실험적 검증은 제시되지 않았지만, 이론적 분석은 두 알고리즘의 성공 확률을 정확히 정량화하고, 임계 절 분포에 따라 어느 알고리즘이 유리한지를 명확히 보여준다. 특히, 임계 절이 매우 적은 경우(예: 거의 모든 절이 2‑리터럴이거나 이미 만족된 경우) DEL‑PPZ는 거의 확정적으로 성공한다. 반대로 임계 절이 매우 많은 경우에도 PPZ가 최소한의 성공 확률을 보장한다. 결론적으로, 본 연구는 3‑SAT에 대한 랜덤 알고리즘 설계에서 ‘문제 구조(임계 절)’를 활용한 새로운 접근법을 제시하고, 두 상반된 알고리즘을 결합해 인스턴스별 최적의 성공 확률을 달성한다는 점에서 의미가 크다. 향후 연구에서는 (1) DEL 단계에서 리터럴 삭제 전략을 구조적 정보에 기반해 개선, (2) 실제 데이터셋에 대한 실험을 통해 상수 요인과 실행 시간을 평가, (3) k>3인 경우에도 유사한 결합 프레임워크를 확장하는 방향이 기대된다.