트리 최대 엣지 색칠 문제의 삼분의 이 근사 알고리즘

본 논문은 가중치가 부여된 트리에서 최대 엣지 색칠(Max‑Edge‑Coloring, 이하 MEC) 문제를 연구한다. MEC 문제는 각 매칭(색)의 가중치를 그 매칭에 포함된 가장 무게가 큰 간선의 무게로 정의하고, 전체 매칭들의 가중치 합을 최소화하는 것을 목표로 한다. 일반 그래프에서는 이 문제가 강 NP‑hard이며, 심지어 7/6‑근사 한계가 존재한다는 것이 알려져 있다. 그러나 트리와 같은 특수한 그래프 클래스에 대해서는 복잡도와 근사 가능성이 아직 명확히 규명되지 않았다. 논문은 먼저 기본적인 정의와 전제조건을 정리한다. 트리 T=(V,E)에서 각 정점 v의 인접 간선을 무게 내림차순으로 정렬한 리스트 E_v = (e_{v1},…,e_{v d(v)})를 만든다. 전역적으로 y_i = max_{v∈V} w(e_{vi}) (i=1…Δ) 를 정의하고, 최적 해 S* = {M*_1,…,M*_{s*}}의 i번째 매칭 가중치를 w*_i라 하자. Proposition 1은 모든 i에 대해 w*_i ≥ y_i임을 보인다. 이는 최적 해가 각 정점에서 i번째로 무거운 간선을 반드시 서로 다른 매칭에 배치해야 함을 의미한다. 다음으로 두 개의 알고리즘을 제시한다. 1) **Algorithm 1** – 트리를 임의의 정점 r에 루팅하고, 루트부터 전처리된 순서대로 각 정점 v의 자식 간선을 무게 내림차순으로 정렬한다. 정렬된 순서대로 가능한 가장 낮은 색(매칭) M_k에 삽입한다. 이 과정은 최대 Δ개의 매칭만을 사용한다. Proposition 2는 이 알고리즘이 정확히 Δ개의 매칭을 만든다와, i번째 매칭(2≤i≤Δ)의 가중치 w_i가 y_{i‑1} 이하임을 귀납적으로 증명한다. 따라서 Algorithm 1이 만든 해의 총 가중치 W는 W ≤ w*_1 + (Δ‑1)·OPT – w*_Δ = OPT·(1 + (w*_1 – w*_Δ)/OPT) 로, 최악의 경우 2‑근사에 가깝지만 w*_Δ이 작을수록 더 좋은 비율을 제공한다. 2) **Algorithm KK** – Kesselman과 Kogan이 제안한 기존의 2‑근사 그리디 알고리즘을 그대로 적용한다. Lemma 1에 따르면 이 알고리즘은 W ≤ (2 – w*_1/OPT)·OPT 를 만족한다. 두 알고리즘의 해 중 가중치가 더 작은 것을 선택하면, 전체 근사비는 max{ 2 – w*_1/OPT , 1 + (w*_1 – w*_Δ)/OPT } 가 된다. 이 두 식은 각각 OPT가 w*_1에 가까울 때와 w*_Δ에 가까울 때 지배적이다. 두 식을 동일하게 만드는 경우를 풀면 OPT = 2·w*_1 – w*_Δ이며, 이때 근사비는 3/2가 된다. 따라서 제안된 **Combined Algorithm**(Algorithm 1과 Algorithm KK 중 최적 선택)은 모든 트리 인스턴스에 대해 3/2‑근사를 보장한다. 이 비율이 타이트함을 보이기 위해 논문은 두 개의 반례를 제시한다. 첫 번째 반례(그림 1)는 Algorithm 1만 사용할 경우 근사비가 거의 2에 수렴함을 보여준다. 두 번째 반례(그림 2)는 두 알고리즘을 결합했을 때도 최악의 경우 3/2에 도달함을 증명한다. 특히 그림 2의 인스턴스에서는 최적 해의 가중치가 2C+2ε이고, Algorithm 1이 만든 해는 3C, Algorithm KK가 만든 해는 3C–ε이다. 결합 알고리즘은 3C–ε를 선택하게 되며, 이때 근사비는 (3C–ε)/(2C+2ε) → 3/2 (C≫ε) 로 수렴한다. 결론적으로, 저자들은 트리 구조에 특화된 두 단계 알고리즘을 통해 기존의 2‑근사 한계를 넘어서는 3/2‑근사 비율을 달성했으며, 이는 트리에서 MEC 문제에 대한 최초의 상수‑δ(δ>0) 근사 결과이다. 또한, 제안된 Algorithm 1 자체도 Δ와 w*_Δ에 따라 2‑근사보다 더 나은 성능을 보이는 실용적인 방법으로 평가될 수 있다. 향후 연구에서는 트리 외의 제한된 그래프 클래스(예: 제한된 차수의 포레스트)에서 동일한 접근법을 확장하거나, 최적성 여부를 결정하는 복잡도 분석을 진행할 여지가 있다.