부분 커버 문제의 파라미터화 알고리즘과 암시적 분기 기법

** 본 논문은 “부분 커버(Partial Cover)” 문제군을 파라미터화 복잡도 관점에서 체계적으로 연구한다. 전통적인 커버 문제는 모든 원소(또는 모든 엣지·정점)를 최소 개수의 집합으로 덮는 것이 목표였으며, 이러한 문제들은 평면 그래프·마이너 자유 그래프·국소 트리폭 제한 그래프 등에서 풍부한 FPT 알고리즘이 알려져 있다. 그러나 “부분” 버전은 일정 수 t 이상의 원소만을 커버하면 되므로, 기존의 “큰 그리드 마이너 → 파라미터 커짐” 같은 바이디멘셔널리티 기법을 그대로 적용할 수 없었다. 논문은 먼저 부분 커버 문제의 대표적인 사례인 Partial Vertex Cover(PVC)와 Partial Dominating Set(PDS)를 정의하고, 이들 문제를 일반화한 Weighted Partial (k,r,t)-Center 문제를 제시한다. 여기서 k는 선택 가능한 정점(또는 센터)의 최대 개수, r은 반경, t는 커버해야 할 가중치(또는 정점 수)이다. **주요 기법 – 암시적 분기(Implicit Branching)** 저자들은 두 단계의 분기 전략을 설계한다. 1. **정점 집합 S 선정** – 입력 그래프 G와 파라미터 t,k에 대해, 차수가 t/k 이상인 정점들의 집합 S를 만든다. - |S| ≥ 4k이면 포어 색 정리를 이용해 S 안에 독립 집합 I of size k가 존재함을 보인다. 각 정점이 최소 t/k개의 엣지를 커버하므로 I만으로도 t개의 엣지를 커버한다. - |S| < 4k이면 S의 크기가 제한적이므로 명시적 분기를 적용한다. 각 정점 x∈S에 대해 “x를 해에 포함한다”는 가정을 하고, 그래프를 G\{x}로 축소한 뒤 파라미터를 (k‑1, t‑deg(x))로 감소시킨다. 재귀 깊이는 ≤k, 분기 폭은 ≤4k이므로 전체 복잡도는 (4k)^k·n^{O(1)}이다. 2. **암시적 분기 적용** – 위 명시적 분기는 S가 여전히 크면 폭이 폭발한다. 대신 “S에 정확히 i개의 정점이 최적 해에 포함된다”(i=0…k)라는 가정을 만든다. 이 경우 S와 그 이웃으로 이루어진 서브그래프는 직경이 작고, 로버트슨‑시모어의 마이너 자유 그래프 이론에 의해 트리폭이 O(k) 이하임을 보인다. 따라서 트리분해를 이용한 동적 계획법으로 각 i에 대해 최적 해를 구한다. 이때 DP의 상태 수는 2^{O(k)}이며, 전체 시간은 2^{O(k)}·n^{O(1)}이다. **결과 요약** - **Partial Vertex Cover**: 평면 그래프·국소 트리폭 제한 그래프·H‑마이너 자유 그래프에서 FPT이며, 구체적인 시간 복잡도는 (4^k)^k·n^{O(1)} 또는 2^{O(k)}·n^{O(1)}(평면 그래프)이다. - **Partial Dominating Set**: 위와 동일한 그래프 클래스에서 암시적 분기를 이용해 FPT임을 증명한다. 핵심은 S의 정점들이 서로 거리 ≥3인 경우를 찾고, 그렇지 않으면 S와 이웃이 형성하는 작은 트리폭 서브그래프에 DP를 적용한다. - **Weighted Partial (k,r,t)-Center**: 일반적인 (k,r,t)-Center 문제를 가중치 버전으로 확장하고, 위의 두 기법을 결합해 FPT 알고리즘을 설계한다. 특히 r=1인 경우는 Partial Dominating Set과 동일함을 이용한다. - **복잡도 개선**: 평면 그래프에 대해 트리폭 상한을 3r 로 잡아, 암시적 분기 단계에서 2^{O(k)}·n^{O(1)} 시간으로 개선한다. 이는 기존의 (4^k)^k·n^{O(1)}보다 현저히 빠른 결과이다. - **하드니스**: d‑퇴화 그래프에서는 Partial Dominating Set이 W