라그랑주 완화와 부분 커버: 한계와 새로운 근사 알고리즘

초록

본 논문은 라그랑주 완화를 이용한 부분 커버(Partial Cover) 문제의 근사 알고리즘 설계에서 발생하는 근본적인 한계를 규명하고, 부분 전체 균형 커버(Partial Totally Balanced Cover)라는 특수 클래스에 대해 정밀한 적분성 격차 분석을 수행한다. 이를 통해 기존 4⁄3·α 상한을 정확히 맞추는 하한을 제시하고, Kolen의 프라임-듀얼 알고리즘을 정교히 활용하여 여러 파생 문제(트리 멀티컷, 경로 히팅, 직사각형 스태빙, ρ‑블록 집합 커버 등)의 근사 비율을 기존보다 4⁄3 배 개선한다.

상세 분석

논문은 먼저 부분 커버 문제를 라그랑주 완화(Lagrangian relaxation)와 라그랑주 승수 보존(Lagrangian Multiplier Preserving, LMP) α‑근사 알고리즘을 블랙박스로 사용하는 일반적인 프레임워크에 적용한다. 이때 라그랑주 승수 λ를 조정해 두 개의 해 C₁(비실현, 저비용)와 C₂(실현, 고비용)를 얻고, 이를 결합해 최종 해를 만든다. 저자들은 이 블랙박스 접근법이 근본적으로 4⁄3·α 보다 나은 근사 비율을 달성할 수 없음을 증명한다. 구체적으로, 부분 커버 인스턴스를 설계해 어떤 λ에 대해서도 최적 프라이스‑콜렉팅 해가 {∅, A₁…A_q, B₁…B_q, O₁…O_q} 중 하나만을 선택하도록 만든 뒤, α‑LMP 알고리즘이 언제나 A‑셋 또는 B‑셋을 반환하도록 만든다. 결과적으로 블랙박스 방식은 반드시 비용 4⁄3·α·OPT 이상의 해를 내게 되며, 이는 Kőnemann 등(2006)의 상한과 일치한다.

다음 단계에서는 부분 전체 균형 커버(Partial Totally Balanced Cover, PTBC)라는 제한된 문제군에 초점을 맞춘다. 전체 균형 매트릭스는 모든 0‑1 서브매트릭스가 행·열 합이 2인 사각형을 포함하지 않는 특성을 갖는다. Kolen(1993)이 제시한 프라임‑듀얼 알고리즘은 이러한 매트릭스에 대해 최적 정수 해를 찾을 수 있다. 저자들은 이 알고리즘의 내부 구조를 면밀히 분석해, 라그랑주 승수 λ에 따라 얻어지는 두 해 C₁, C₂ 사이에 강한 구조적 유사성이 존재함을 밝혀낸다. 이를 기반으로 표준 LP의 적분성 격차를
 IP ≤ (1 + 1/(3k−1))·LP + k·c_max (k≥1)
라는 형태로 정확히 상한한다. 또한, 이 식이 거의 조밀함을 보이기 위해 인스턴스를 구성해 IP > (1 + 1/(3k−1))·LP + k²·c_max 를 만족함을 증명한다. 즉, 적분성 격차는 c_max에 대한 무한히 큰 가산 오차와 k가 커짐에 따라 급격히 수렴하는 곱셈 오차 사이의 트레이드오프를 보인다.

이러한 이론적 결과를 바탕으로 저자들은 PTBC를 포함하는 여러 파생 문제에 새로운 근사 알고리즘을 적용한다. 구체적으로:

1. 트리 위의 부분 멀티컷(k‑Multicut) 문제에 대해 기존 8⁄3·α+ε 근사 대신 2+ε 근사를 얻는다.
2. 트리 위의 부분 경로 히팅(Path Hitting) 문제에 대해 4+ε 근사를 달성한다.
3. 직사각형 스태빙(Rectangle Stabbing) 문제에 대해 2‑근사를 제공한다.
4. ρ‑블록 집합 커버(Partial Set Cover with ρ‑Blocks) 문제에 대해 ρ‑근사를 얻는다.

특히, 첫 두 문제는 기존 Kőnemann 프레임워크가 제공하던 4⁄3·α 배보다 확연히 개선된 결과이며, ε를 제거하려면 준다항식 시간 알고리즘을 허용해야 함을 명시한다. 전체적으로 논문은 라그랑주 완화와 LMP 알고리즘의 한계를 명확히 규정하고, 구조적 특성을 활용한 맞춤형 접근법이 어떻게 근사 비율을 크게 향상시킬 수 있는지를 설득력 있게 보여준다.