무작위 알고리즘을 이용한 전 매칭 수 추정의 한계

초록

이 논문에서는 이분 그래프의 모든 매칭 개수를 구하는 문제를, 확장된 이분 그래프에서 얻은 행렬의 영구값(permanent)을 계산하는 문제로 변환한다. 기존에 Rasmussen이 제시한 단순 접근법(RM)은 0‑1 행렬에 대해 거의 모든 경우에 영구값을 근사하면서 O(n·ω(n)) 수준의 임계비율을 보인다고 알려져 있다. 그러나 본 연구에서는 이 변환을 이용해 전 매칭 수를 추정할 때 RM이 보이는 성능을 분석한다. 결과적으로, 일정 확률 이하에서 임계비율이 n의 어떤 다항식보다도 크게 증가하는 것을 증명함으로써, RM이 영구값을 통해 전 매칭을 셀 때 실용적으로 실패함을 보여준다. 따라서 영구값 근사 기법을 매칭 수 계산에 적용할 때는 신중한 방법 선택이 필요하다.

상세 요약

본 논문이 다루는 핵심 문제는 이분 그래프 G=(U,V,E)에서 가능한 모든 매칭, 즉 완전 매칭을 포함한 부분 매칭들의 총 개수를 정확히 혹은 근사적으로 구하는 것이다. 전통적으로 이 문제는 #P‑complete에 속하며, 직접적인 열거는 지수적인 시간 복잡도를 초래한다. Yan Huo는 G를 확장된 이분 그래프 G’로 변형하고, 그 인접 행렬 A’의 영구값(permanent)과 매칭 수 사이에 일대일 대응 관계가 있음을 보였다. 즉, |𝔐(G)| = per(A’) / n! 와 같은 형태로 영구값을 이용해 매칭 수를 표현할 수 있다.

Rasmussen이 제안한 RM(Random Matching) 알고리즘은 영구값을 추정하기 위한 확률적 방법으로, 행렬의 각 행을 무작위로 선택하면서 남은 열을 차례로 제거하는 과정을 반복한다. 이때 기대값은 영구값과 일치하지만, 분산이 커서 실제 샘플값은 영구값에 비해 크게 변동한다. 기존 연구에서는 “거의 모든” 0‑1 행렬에 대해 RM의 기대값과 실제값 사이의 비율이 O(n·ω(n)) 수준으로 제한된다고 주장했으며, 이는 실용적인 근사법으로 충분히 받아들여졌다.

하지만 전 매칭 수를 구하기 위해 A’를 사용하면 행렬의 구조가 일반적인 0‑1 행렬과 크게 달라진다. A’는 원래 그래프의 인접 행렬에 추가적인 행·열을 삽입해 만든 블록 행렬이며, 그 영구값은 단순히 그래프의 매칭 수와 선형적인 스케일링 관계에 있다. 이러한 특수 구조는 RM의 분산을 급격히 증가시킨다. 논문에서는 확률론적 분석을 통해, 입력이 무작위 이분 그래프일 경우 RM이 반환하는 값과 실제 영구값 사이의 비율이 n의 임의의 다항식보다 큰 성장률을 보일 확률이 양의 상수임을 증명한다. 즉, “거의 모든” 0‑1 행렬에 대한 기존의 보장은 여기서는 성립하지 않는다.

이 결과는 두 가지 중요한 함의를 가진다. 첫째, 영구값 근사 알고리즘을 매칭 수 계산에 그대로 적용하는 것은 위험하다. 특히 RM처럼 단순히 행을 무작위로 선택하는 방식은 행렬의 특수한 블록 구조에 민감하게 반응한다. 둘째, 매칭 수를 영구값으로 변환하는 변환 자체가 계산 복잡도를 증가시킬 수 있다. 따라서 영구값 근사 기법을 사용할 때는 변환 후 행렬의 구조적 특성을 고려한 사전 처리나, 전용 알고리즘(예: Jerrum‑Sinclair‑Vigoda의 MCMC 방법)과 같은 보다 강건한 접근법을 선택해야 한다.

요약하면, 본 연구는 “RM이 거의 모든 0‑1 행렬에 대해 좋은 성능을 보인다”는 일반적 믿음을 부정하고, 매칭 수 추정이라는 특정 응용 분야에서는 RM이 실질적으로 실패할 수 있음을 이론적으로 뒷받침한다. 이는 영구값 근사 연구가 응용 맥락에 따라 별도의 검증이 필요함을 강조한다.