선형 시간 최소맥스 트리 구축

본 논문은 최소맥스 트리(minimax tree)라는 구조를 O(n) 시간에 구축하는 새로운 알고리즘을 제시한다. 최소맥스 트리는 Huffman 트리와 유사하지만, 목표 함수가 “가중치와 깊이의 합의 최댓값”을 최소화하는 점에서 차별화된다. 기존 연구에서는 Golumbic(1976)이 Huffman 알고리즘을 변형해 O(n log n) 시간에 최소맥스 트리를 만들었으며, Drmota와 Szpankowski(2002)는 확률 분포 P={p_i}에 대해 w_i=log(1/p_i) 로 변환한 뒤, 소수점 이하 부분을 정렬하고 이진 탐색으로 Kraft 부등식을 만족하는 최대 x 를 찾는 O(n log n) 알고리즘을 제시했다. 저자들은 Drmota‑Szpankowski 알고리즘을 선형 시간으로 가속화하기 위해 세 단계로 구성된 전략을 채택한다. 1. **정수 가중치 변환 및 정렬** Lemma 1에 따르면, 모든 가중치를 max_i w_i−n+1 로 끌어올린 집합 W′는 원래 집합 W와 동일한 최소맥스 비용 M을 가진다. 이 변환은 가중치를 연속적인 정수 구간에 매핑하므로, 정수 가중치만 남게 된다. Corollary 1은 이 구간이 길이 n−1이므로 직접 주소 지정(direct addressing) 혹은 radix sort를 이용해 O(n) 시간에 정렬할 수 있음을 보인다. 2. **정수 최소맥스 트리 구축** 두 가지 O(n) 알고리즘을 제시한다. 첫 번째는 Golumbic 알고리즘을 변형한 것으로, 가중치를 비내림차순 연결 리스트에 저장하고 포인터를 이용해 “첫 두 노드의 가중치+1 이하인 마지막 노드”를 찾는다. 두 노드를 결합해 새로운 노드를 삽입하고, 포인터는 전체 노드를 한 번씩만 통과한다. 따라서 전체 과정이 O(n)이다(Lemma 2). 두 번째는 Kirkpatrick‑Klawe의 정수 최소맥스 트리 알고리즘을 활용한다. 이 방법은 Kraft 부등식에 기반해 잎 깊이를 비내림차순으로 정렬하고, 그 순서대로 잎을 배치함으로써 알파벳 최소맥스 트리를 만든다. 정수 가중치를 변환한 후 이 알고리즘을 적용하면 동일한 결과를 얻는다. 3. **실수 가중치에 대한 일반화 선택 및 Kraft 검증** 실수 가중치 집합 W={w_i}에 대해, 각 w_i의 절댓값 소수점 이하 부분 X={x_i}=|w_i|−⌊|w_i|⌋ 를 정렬 없이 O(n) 시간에 중간값을 찾는 일반화 선택(generalized selection) 기법을 사용한다. 이후 새로운 데이터 구조(예: 누적 합 트리)를 이용해 Kraft 부등식 Σ 2^{−ℓ_i} ≤ 1 을 O(1) 혹은 O(log n) 시간에 검증한다. 이렇게 하면 이진 탐색 대신 한 번의 선형 스캔으로 최적 x 를 결정할 수 있다. 정수 가중치에 대한 두 알고리즘 중 하나를 적용한 뒤, 각 잎의 가중치를 원래 실수 값 w_i 로 되돌리면 전체 최소맥스 트리를 O(n) 시간에 완성한다. 이 과정은 워드 RAM 모델에서 Ω(log n) 비트 워드가 보장될 때만 성립한다. **응용 분야** - **데이터 압축**: 샘플 분포 Q를 이용해 실제 분포 P와의 Kullback‑Leibler 발산 D(P‖Q)를 최소화하는 프리픽스 코드를 설계할 때, 최소맥스 비용 M(log q_1,…,log q_n) 가 최적의 상한이 된다. 이는 “최소 최대 점별 여분”을 최소화하는 코드를 의미한다. - **그룹 테스트**: 목표 원소를 찾기 위한 검사 집합을 결정할 때, 검사 횟수의 기대값을 H(P)+D(P‖Q)에 가깝게 만들려면 결정 트리의 형태가 최소맥스 트리와 동일해야 한다. - **회로 설계**: 팬‑인/팬‑아웃 제한을 만족하면서 회로 깊이를 최소화하는 설계에 최소맥스 트리 구조가 직접 활용될 수 있다. 결론적으로, 논문은 최소맥스 트리 구축을 O(n log n)에서 O(n)으로 개선함으로써 기존 알고리즘의 병목을 제거하고, 압축, 테스트, 회로 설계 등 실용적인 문제에 즉시 적용 가능한 효율적인 방법론을 제공한다.