플랜티드 3‑SAT에서 로컬 서치의 임계 현상 분석

초록

본 논문은 플랜티드 3‑CNF 인스턴스에 대해 로컬 서치(힐 클라이밍) 알고리즘의 성공 확률을 밀도 = 클라우스당 변수 비율에 따라 정확히 구분한다. 밀도가 κ·ln n(κ > 7/6) 이상이면 거의 확실히 만족 할당을 찾고, κ·ln n(κ < 7/6) 이하이면 로컬 최적점에 갇혀 만족 할당을 찾지 못한다. 또한 임의(플랜티드가 아닌) 3‑CNF에서도 일정 밀도 이하에서는 최적 만족도와의 차이가 Θ(n)임을 보인다.

상세 분석

논문은 두 가지 확률 모델을 명확히 구분한다. 첫 번째는 Φ(n, ρn)이라 불리는 균등 3‑CNF 분포이며, 두 번째는 동일한 밀도 ρn을 유지하면서 미리 정해진 ‘플랜티드’ 할당(보통 전부 1)만을 만족시키는 절을 선택해 만든 Φₚₗₐₙₜ(n, ρn)이다. 플랜티드 모델은 실제 SAT 인스턴스의 ‘존재한다는 전제’를 반영하면서도 분석이 가능한 구조를 제공한다.

로컬 서치(LS)는 무작위 초기 할당에서 시작해, 현재 할당을 개선시킬 수 있는 변수(플립했을 때 만족 절 수가 증가하는 변수)를 무작위로 선택해 반복한다. LS는 더 이상 개선이 불가능한 상태, 즉 ‘로컬 최적점’에 도달하면 멈춘다. 이때 로컬 최적점이 전역 최적점(만족 할당)인지, 아니면 플랜티드 할당과 거의 반대되는 할당인지가 핵심이다.

주요 정리는 두 부분으로 나뉜다. (1) κ > 7/6이고 ρ ≥ κ·ln n이면, 플랜티드 3‑CNF의 모든 로컬 최적점이 전역 최적점이거나 ‘플랜티드 할당의 거의 전체 비트를 뒤집은’ 형태임을 보인다. 이때 LS는 전역 최적점에 도달할 확률이 1‑o(1)이다. 증명은 크게 두 단계로 이루어진다. 첫째, 밀도가 충분히 높을 경우 변수 간 연결 그래프 G(φ)의 작은 부분 그래프는 평균 차수가 5 이하이며, 고차도(고차원 하이퍼그래프) 구조가 충분히 얇아 ‘핵심 변수 집합’이 존재하지 않음을 보인다(레마 2). 둘째, 마르티게일 및 Azuma 부등식을 이용해 LS가 진행 중에도 현재 할당이 플랜티드 할당과 거의 독립적인 무작위성을 유지한다는 ‘랜덤성 보존’ 성질을 증명한다. 이를 통해 LS가 플랜티드 할당과 반대되는 로컬 최적점에 빠질 확률이 지수적으로 감소함을 보인다.

(2) κ < 7/6이고 ρ ≤ κ·ln n이면, 반대로 로컬 최적점이 플랜티드 할당과 거의 반대되는 형태가 다수 존재한다는 것을 보인다. 여기서는 ‘바이너리 트리’와 유사한 구조가 형성돼, 변수들의 플립이 서로 얽히면서 LS가 쉽게 빠져나올 수 없는 ‘함정’이 만든다. 특히, 작은 서브그래프가 고밀도로 연결돼 있어 변수 하나를 바꾸면 다수의 절이 불만족으로 전환되는 상황이 빈번히 발생한다. 이러한 구조적 특성 때문에 LS는 플랜티드 할당을 찾지 못하고, 최악의 경우 만족 절 수가 최적보다 Θ(n)만큼 적은 할당에 머무른다.

또한 논문은 플랜티드가 아닌 일반 Φ(n, ρn)에서도, 임의 상수 ρ에 대해 LS가 만족 절 수와 최적 사이에 γ·n(γ>0) 만큼 차이가 난다는 하한을 제시한다. 이는 LS가 단순히 ‘무작위 탐색’에 불과함을 수학적으로 뒷받침한다.

전체적으로 이 연구는 로컬 서치가 ‘밀도 · log n’이라는 스케일에서 급격한 전이(phase transition)를 보인다는 새로운 복합성 현상을 밝혀냈으며, 플랜티드 모델을 통해 SAT 인스턴스의 구조적 특성을 정량화하는 방법론을 제공한다.