카르마카르‑크랩 차분 알고리즘의 심층 분석

초록

본 논문은 무작위 입력에 대해 가장 널리 쓰이는 다항식 시간 휴리스틱인 카르마카르‑크랩(Largest Differencing Method, LDM)의 성능을 비선형 비율 방정식으로 모델링하고, 이를 통해 기대 차이값이 (E

상세 분석

논문은 먼저 LDM을 그래프 기반의 차분 과정으로 재정의하고, 입력을 i.i.d. 균등분포 대신 평균 1인 지수분포 변수들의 부분합으로 치환한다. 이 변환은 부분합 비율이 균등 순서통계와 동일함을 이용해, 알고리즘이 전체 과정에서 지수분포 형태를 유지하도록 만든다. 핵심은 두 가장 큰 변수의 차를 새로운 변수로 삽입할 때 발생하는 조건부 확률을 정확히 계산한 Lemma 1을 바탕으로, λ‑벡터(각 변수의 지수 파라미터)들의 전이 확률을 구한 점이다.

이 전이 규칙을 평균화하면 비선형 비율 방정식(식 21)이 도출된다. 방정식은 시간 (t)에 따라 λ‑벡터가 어떻게 감소하는지를 기술하며, 수치 해석을 통해 λ‑벡터가 특정 “파동” 형태로 전파되는 구조를 발견한다. 이 구조를 Ansatz로 삼아 복잡한 전이식을 단순화하면 피보나치와 유사한 재귀식이 얻어지고, 결국 λ‑벡터의 최종 원소 (\lambda_2)의 기대값이 (\sim n^{-!c\ln n}) 형태임을 증명한다.

특히, 식 (4)‑(5)에서 제시된 직관적 스케일링 추정이 실제와 일치하지만, 그 근거가 잘못된 이유를 파악한다. 병렬 차분(PDM)과 비교했을 때 동일한 스케일링을 예측하지만 실제는 전혀 다른 결과를 보이므로, 단순 거리‑확장 논리가 한계가 있음을 강조한다.

시뮬레이션 결과는 (n)이 10⁶ 수준에서도 제한된 크기의 유한 효과 때문에 이론적 스케일링을 완전히 드러내지 못한다는 점을 보여준다. 고정밀 GMP 라이브러리를 이용한 다중 정밀도 실험에서도 (-\ln E