중밀도 부분합 문제를 기대다항식 시간에 해결하는 열거법

초록

본 논문은 부분합 문제(SSP)의 밀도 d가 (c\sqrt{n}/\log n) 이상인 경우, 기대다항식 시간 (O(n\log n)) 에 해결할 수 있는 새로운 완전 열거 알고리즘 EnumPlus를 제안한다. 알고리즘은 입력을 저밀도 형태로 변환한 뒤 효율적인 탐색을 수행하며, 평균 경우 시간·공간 복잡도는 각각 (O(n^5\log n)) 와 (O(n^5)) 이다. 최악의 경우에도 기존 최선의 정확 알고리즘보다 약간 개선된 (O((n-6)2^{n/2}+n)) 시간을 보인다.

상세 분석

논문은 먼저 부분합 문제의 밀도 d 를 (d=n/m) (여기서 m 은 최대 원소의 비트 길이) 로 정의하고, 기존 연구가 고밀도 영역(예: (d\ge c n/(\log n)^2))에서 기대다항식 시간 복잡도를 보장한다는 점을 지적한다. 저자들은 “구조적·통계적 특성”이라 불리는 두 가지 핵심 관찰을 기반으로 새로운 열거 전략을 설계한다. 첫 번째는 부분합 집합의 합이 목표값 E 에 가까워질수록 해당 부분집합의 크기가 평균적으로 작아진다는 통계적 경향이다. 두 번째는 부분합을 이진 트리 형태로 나열할 때, 특정 레벨 이하에서는 합이 겹치는 경우가 급격히 감소한다는 구조적 사실이다. 이를 이용해 알고리즘은 입력 집합 A 를 먼저 “저밀도 변환” 단계에서 원소들을 적절히 재배열하고, 필요에 따라 작은 상수 c 를 곱해 목표값 E 와의 차이를 최소화한다. 변환 후에는 깊이‑우선 탐색과 비트‑마스크 기반의 메모이제이션을 결합해, 각 레벨에서 가능한 합을 효율적으로 열거한다.

핵심 아이디어는 “동적 구간 축소”이다. 알고리즘은 현재까지 선택된 원소들의 합 S 와 남은 원소들의 총합 R 을 추적하면서, (E - S) 가 (R) 보다 작아지는 순간 탐색을 중단한다. 이때 남은 원소들의 조합 수는 지수적으로 감소하므로, 전체 탐색 트리의 크기가 (O(2^{n/2})) 보다 크게 늘어나지 않는다. 특히, 밀도 (d \ge c\sqrt{n}/\log n) 인 경우, 변환 단계에서 평균적으로 (O(\log n)) 개의 레벨만 탐색하면 목표값에 도달할 확률이 1에 수렴한다. 따라서 기대 시간 복잡도는 (O(n\log n)) 으로 축소된다.

복잡도 분석에서는 평균 경우와 최악 경우를 구분한다. 평균 경우는 입력이 균등하게 무작위 배분된다고 가정하고, 부분합들의 분포가 정규에 가까워짐을 이용해 기대 탐색 깊이를 (O(\log n)) 로 제한한다. 이때 메모리 사용량은 각 레벨별 합 집합을 저장하는 데 (O(n^5)) 가 필요하지만, 이는 현대 컴퓨터의 메모리 한계 내에서 실용적이다. 최악 경우에는 모든 레벨을 완전 탐색하지만, 기존의 Horowitz‑Sahni 알고리즘과 유사한 (O(2^{n/2})) 복잡도에 상수 (n-6) 을 곱한 형태로 약간 개선된다.

실험 결과는 표준 베이스라인(동적 프로그래밍, Horowitz‑Sahni, Schroeppel‑Shamir 등)과 비교했을 때, 중밀도 구간에서 평균 실행 시간이 2~3배 가량 빨라짐을 보여준다. 또한, 메모리 사용량은 동일한 정확성을 유지하면서도 기존 알고리즘보다 크게 증가하지 않는다.

이 논문의 주요 공헌은 (1) 밀도 (d) 가 (c\sqrt{n}/\log n) 이상인 경우 기대다항식 시간에 정확히 해결할 수 있는 단일 알고리즘을 제시한 점, (2) 저밀도 변환과 동적 구간 축소를 결합한 새로운 열거 기법을 고안한 점, (3) 평균·최악 경우 복잡도 모두에서 기존 최선 결과를 개선하거나 동등하게 만든 점이다. 이러한 접근은 이론적 복잡도 분석뿐 아니라 실제 암호학·최적화 응용에서도 활용 가능성을 시사한다.