최소최대 후회 네트워크 최적화 문제의 근사 가능성

초록

본 논문은 다중 시나리오가 존재하는 경우, 전통적으로 다항식 시간에 해결 가능한 네트워크 최적화 문제들의 최소최대(후회) 형태가 근사 알고리즘으로도 로그 수준 이하의 성능을 보장받지 못함을 증명한다. 시나리오 수 K가 제한되지 않을 때, 어떠한 다항식 시간 알고리즘도 $ \log^{1-\epsilon} K $ 이하의 근사비를 달성할 수 없으며, 이는 NP ⊆ DTIME$(n^{\text{poly}\log n})$ 가 성립해야만 가능한 결과이다.

상세 분석

논문은 먼저 최소최대(또는 최소후회) 문제를 정의한다. 주어진 네트워크와 비용 시나리오 집합 ${c^1,\dots,c^K}$ 에 대해, 선택된 해 $x$의 비용은 각 시나리오에서 $c^k(x)$ 로 표현되고, 후회값은 $c^k(x)-\min_{y\in\mathcal{F}}c^k(y)$ 로 정의된다. 목표는 최대 후회값을 최소화하는 해를 찾는 것이다. 기존에 다항식 시간에 해결 가능한 최단경로, 최소신장트리, 최대흐름 등 기본 네트워크 문제들은 확정적인 비용 하에서는 P‑클래스에 속하지만, 시나리오가 다수 존재하면 상황이 급격히 복잡해진다.
저자는 이러한 문제들을 복잡도 이론의 표준 기법인 “gap‑preserving reduction”을 이용해 Set Cover와 같은 NP‑hard 문제로부터 감소시킨다. 특히, 시나리오 수 $K$를 입력 크기의 다항식 함수로 만들고, 각 시나리오가 특정 원소를 커버하는지 여부를 비용 구조에 매핑한다. 이때 최소후회 해가 존재하면 해당 Set Cover의 해가 존재함을 보이며, 반대로 Set Cover의 최적 해가 큰 경우 최소후회 해의 후회값도 로그 수준 이상으로 커진다.
핵심은 감소 과정에서 발생하는 “gap”이 $\log^{1-\epsilon} K$ 로 유지된다는 점이다. 따라서, 만약 어떤 다항식 시간 알고리즘이 이보다 작은 근사비를 달성한다면, Set Cover의 근사 하한을 깨게 되어 복잡도 가정이 위배된다. 저자는 이 논리를 모든 기본 네트워크 문제에 대해 동일하게 적용할 수 있음을 증명한다. 결과적으로, 시나리오 수가 제한되지 않은 경우 최소최대(후회) 네트워크 최적화 문제는 거의 불가능에 가까운 근사 가능성을 가진다. 이는 실무에서 불확실성을 모델링할 때, 시나리오 수를 제한하거나 특수 구조를 활용한 휴리스틱을 사용해야 함을 이론적으로 뒷받침한다.