잠긴 제약 만족 문제: 고립된 해가 만드는 알고리즘 난관

초록

본 논문은 ‘잠긴(locked)’ 무작위 제약 만족 문제(CSP)의 위상도와 알고리즘적 난이도를 연구한다. 잠긴 CSP는 해가 서로 격리된 점으로 존재해 클러스터가 단일 해만을 포함한다. 이를 통해 위상도를 정확히 계산할 수 있지만, 클러스터링(동결) 구간에서는 현재 알려진 모든 알고리즘이 해를 찾지 못해 실질적으로 매우 어려운 베엔치마크가 된다.

상세 분석

잠긴 제약 만족 문제는 제약어(word) A가 연속된 ‘1’을 포함하지 않으며, 각 변수는 최소 두 개의 제약에 참여한다는 두 가지 조건을 만족한다. 이러한 구조는 해 공간을 ‘점(cloud)’ 형태로 만든다. 즉, 하나의 클러스터는 오직 하나의 해만을 포함하고, 서로 다른 클러스터 사이에는 Hamming 거리 상에서 최소 로그(N) 정도의 차이가 존재한다. 이 특성은 전통적인 K‑SAT이나 그래프 색칠 문제와는 근본적으로 다르다. 전통적인 문제에서는 클러스터가 다수의 해를 포함하고, 클러스터 내부에서 변수들이 자유롭게 움직일 수 있어 복잡한 복제 대칭 파괴(replica symmetry breaking) 현상이 나타난다. 반면 잠긴 문제에서는 클러스터와 동결(freezing) 전이가 동시에 일어나며, 복제 대칭 파괴 없이도 정확한 위상도를 구할 수 있다.

통계 물리학의 cavity method와 belief propagation(BP) 방정식을 이용해 잠긴 CSP의 엔트로피와 임계 밀도 α_c 를 정확히 계산한다. 정규 그래프와 절단 포아송 그래프 두 가지 변수 차수 분포에 대해 분석했으며, 특히 정규 그래프에서는 메시지가 에지마다 동일한 팩터화된 해를 갖는다. 이때 클러스터링 전이점은 재구성 가능성(reconstruction) 임계와 일치한다.

알고리즘적 측면에서는 belief propagation reinforcement(BPR)이라는 최신 SAT 솔버를 적용했을 때, 클러스터링 전이점 바로 뒤부터 성공률이 급격히 떨어진다. 이는 클러스터링이 곧 ‘hard’ 구간의 시작임을 실험적으로 확인한 것이다. 다른 전통적인 알고리즘(예: WalkSAT, Survey Propagation)도 동일한 현상을 보이며, 현재 알려진 어떤 휴리스틱도 잠긴 CSP의 클러스터링 구간을 효율적으로 탐색하지 못한다.

결과적으로, 잠긴 CSP는 (1) 수학적으로 위상도와 클러스터 구조를 엄밀히 분석하기 쉬운 모델이며, (2) 실제로는 가장 어려운 무작위 CSP 베엔치마크를 제공한다는 두 가지 중요한 의미를 가진다. 이는 이론적 복잡도 연구와 실용적 알고리즘 테스트 모두에 큰 가치를 제공한다.