차이 삼각집합의 효율적 구성과 범위 최소화 연구

초록

**
본 논문은 차이 삼각집합 ((n;k)) 의 스코프를 최소화하기 위한 새로운 조합적·계산적 구성법을 제시한다. 차이 포장, 그리디 알고리즘, 무작위 휴리스틱을 활용해 기존 최선 상한을 개선하고, (m(n;k)) 의 점근적 거동에 대한 이론적 결과도 제공한다.

**

상세 분석

**
논문은 차이 삼각집합 ((n;k)) 을 “정규화된 블록 집합”으로 정의하고, 각 블록 (X_i={a_{i0},a_{i1},\dots ,a_{ik}}) 의 차이 (a_{ij}-a_{ij’}) 가 서로 겹치지 않으며 0이 아님을 요구한다. 스코프 (m(X)=\max\bigcup_i X_i) 를 최소화하는 것이 목표이며, 그 최소값을 (m(n;k)) 라 정의한다.

먼저 기존의 trivial lower bound (m(n;k)\ge n\binom{k+1}{2}) 와 Kløve의 개선된 하한 (m(n;k)\ge n\frac{k^2}{2}+O(k)) 을 소개한다. 이후 두 가지 주요 기여가 있다.

1. 조합적·수론적 구성

   • 차이 포장 ((n;k)) 과 차이 삼각집합 사이의 관계를 이용해, 소수 (q) 와 (p>q) 에 대해 (p)-DP((p(q^2+q+1);q+1)) 을 구성한다. 이를 통해 임의의 (n>k) 에 대해 스코프가 ((1+o(1)),n k^2/2) 인 차이 삼각집합을 보장한다.
   • Heath‑Brown·Iwaniec의 소수 사이 차이 결과를 활용해 (p)와 (q) 를 적절히 선택함으로써 상한을 거의 최적에 가깝게 만든다. 이론 5와 그 결과인 Corollary 1은 (k=o(n)) 일 때 (m(n;k)) 가 (n k^2/2) 에 수렴함을 증명한다.

2. 알고리즘적 접근

   • 전역 탐색: 작은 (n,k) 에 대해 백트래킹을 이용해 정확한 최소 스코프를 찾는다. 예를 들어 (m(2;7)=70) 을 입증하였다.
   • 그리디 알고리즘: 두 가지 변형을 제시한다. Set‑greedy는 행을 순차적으로 채우고, Transversal‑greedy는 열을 순차적으로 채운다. 후자는 Wythoff 게임과 연결되어, ((n;2)) 집합의 스코프가 최적보다 약 1.21배만큼 떨어짐을 보인다.
   • 무작위 휴리스틱: 템플릿 (T_1,T_2,T_3) 을 이용해 현재 배열에서 일부 셀을 무작위로 비우고, 가능한 모든 재배치를 탐색한다. 반복적으로 적용하면 기존 그리디 결과를 크게 개선할 수 있다. 실험 결과는 표 I에 정리되어 있으며, 여러 (n,k) 쌍에 대해 이전 최선 상한을 능가한다.

논문은 또한 (m(n;k)) 의 점근적 거동에 대한 열린 질문을 제시한다. 현재는 (k=o(n)) 에 대해 (m(n;k)\sim n k^2/2) 임을 보였지만, (k) 가 (n) 에 비례하거나 더 빠르게 성장할 경우의 상한·하한은 아직 미정이다.

**