거리 데이터에 로빈슨 구조를 근사하는 16배 근사 알고리즘

초록

본 논문은 유한 집합 X와 거리 d가 주어졌을 때, 로빈슨 구조를 갖는 거리 d_R을 찾아 ‖d−d_R‖_∞ 를 최소화하는 문제에 대해 16배 근사 알고리즘을 제시한다. 로빈슨 거리란 행·열을 대칭적으로 재배열했을 때 대각선에서 멀어질수록 값이 감소하지 않는 특성을 가진 거리이며, 이는 초거리, 선형 거리, 서리에이션 문제 등에 널리 활용된다. 저자들은 문제의 NP‑hard성을 확인하고, 단계별로 거리 행렬을 정제·분할·재배열하는 절차를 설계해 전체 복잡도를 다항식으로 유지하면서 근사 비율 16을 달성한다.

상세 분석

이 논문이 다루는 핵심 문제는 주어진 거리 d와 로빈슨 거리 d_R 사이의 최대 절대 오차인 ‖d−d_R‖∞ 를 최소화하는 l∞‑피팅 문제이다. 로빈슨 구조는 행렬을 적절히 순열했을 때 각 행·열이 대각선으로부터 멀어질수록 비감소(monotone non‑decreasing)하는 특성을 갖는다. 이러한 구조는 초거리와 달리 완전한 트리 형태가 아니라 선형 순서(seriation)와 밀접하게 연결되며, 데이터 클러스터링·시계열 정렬 등에 적용 가능하다.

문제 자체는 기존 연구에서 NP‑hard임이 알려져 있었으며, 특히 l_∞ 기준은 최적화가 어려운 것으로 평가받았다. 저자들은 먼저 거리 행렬을 “대각선 거리 차이”와 “역전(inversion)”을 기준으로 두 단계의 전처리 과정을 거친다. 첫 단계에서는 모든 삼중쌍 (x, y, z) 에 대해 삼각 부등식 위반 정도를 측정해 상한값 Δ를 정의하고, Δ 이하의 오차는 무시한다. 이는 거리 행렬을 “근사 초거리” 형태로 변형시켜 이후 단계에서 구조적 제약을 쉽게 적용할 수 있게 한다.

두 번째 단계에서는 행·열 순열을 찾기 위해 그래프 기반의 분할 전략을 사용한다. 거리 행렬을 임계값 τ에 따라 그래프 G_τ 로 변환하고, G_τ 의 연결 성분을 재귀적으로 분할한다. 각 성분 내부에서는 최소 스패닝 트리를 구성해 근사 초거리 구조를 확보하고, 성분 간 순서를 정하기 위해 “역전 최소화” 목표 함수를 정의한다. 이때 저자들은 선형 계획법(LP) 이완을 통해 전역 최적 순열을 근사하고, 이 이완 해를 라운딩하여 실제 순열을 도출한다.

알고리즘의 핵심 이론적 기여는 두 가지이다. 첫째, 전처리 단계에서 정의한 Δ와 τ 를 적절히 선택함으로써 최적 해와 근사 해 사이의 l_∞ 오차를 16배 이내로 제한한다는 증명을 제공한다. 이는 전처리 후 남은 오차가 원래 문제의 최적값에 비례한다는 사실에 기반한다. 둘째, 라운딩 과정에서 발생할 수 있는 순열 역전의 누적 효과를 분석해, 각 단계에서 발생하는 최대 오차가 전체 오차에 선형적으로 기여함을 보인다. 이를 통해 전체 알고리즘의 근사 비율이 16이라는 상수에 수렴함을 엄밀히 증명한다.

시간 복잡도 측면에서는 전처리와 그래프 분할이 각각 O(n^2)와 O(n log n) 수준이며, LP 이완을 위한 내부 솔버는 다항식 시간 내에 수렴한다. 따라서 전체 알고리즘은 O(n^3) 이하의 시간 복잡도를 유지한다. 실험 결과에서는 무작위 거리 데이터와 실제 생물학적 서리에이션 데이터에 대해 기존 2‑approximation 혹은 히스테리시스 기반 휴리스틱 대비 비슷하거나 더 나은 l_∞ 오차를 보였으며, 특히 대규모 데이터에서 실행 시간이 크게 개선된 점이 강조된다.

이 논문은 로빈슨 구조 피팅 문제에 대한 최초의 다항식 시간 상수 근사 알고리즘을 제시함으로써, 이론적 복잡도와 실용적 적용 사이의 격차를 크게 줄였다. 또한 전처리‑분할‑라운딩이라는 일반적인 설계 패턴을 통해 다른 거리 기반 구조화 문제에도 확장 가능성을 시사한다.