비례 할당을 이용한 층화 문제 정확 알고리즘

초록

본 논문은 비례 할당 방식 하에서 전체 추정량의 분산을 최소화하도록 모집단을 L개의 층으로 나누는 최적화 문제를 다룬다. 최소 경로 개념을 활용한 그래프 기반 정확 알고리즘을 제안하고, 브라질 통계청(IBGE) 실데이터를 이용해 계산 효율성과 최적 해의 실현 가능성을 검증한다.

상세 분석

이 연구는 전통적인 층화 표본추출에서 가장 핵심적인 문제인 “어떤 단위들을 어느 층에 배정할 것인가”라는 결정 변수를 최적화함으로써, 비례 할당(proportional allocation) 하에서 전체 추정량의 분산을 최소화하는 방법을 제시한다. 기존 문헌에서는 주로 휴리스틱이나 근사 알고리즘에 의존했으며, 특히 층 수 L가 커지거나 모집단 규모 N이 클 경우 최적 해를 찾는 것이 계산적으로 불가능하다는 한계가 있었다. 본 논문은 이러한 한계를 그래프 이론의 최소 경로 문제와 연결시켜, 정확한 최적 해를 다항 시간 내에 구할 수 있는 구조적 변환을 수행한다.

구체적으로, 각 단위 i(1≤i≤N)를 정렬된 순서대로 배치하고, 인접한 두 단위 사이에 가중치를 부여한다. 이 가중치는 해당 구간을 하나의 층으로 묶었을 때 발생하는 분산 증가량을 수식적으로 표현한 값이다. 그런 다음, 시작 정점에서 종료 정점까지 L−1개의 “컷”(cut)을 선택하는 문제는, 가중치가 부여된 경로에서 L개의 구간으로 나누는 최소 비용 경로 문제와 동등함을 증명한다. 이를 위해 동적 프로그래밍(DP) 테이블을 구축하고, 각 단계에서 현재까지 선택된 층 수와 마지막 단위의 인덱스를 상태 변수로 사용한다. DP 전이식은 O(N·L) 시간 복잡도를 가지며, 메모리 최적화를 위해 롤링 배열 기법을 적용해 실제 메모리 사용량을 O(N) 수준으로 낮춘다.

알고리즘의 정확성은 그래프 모델링 단계에서의 가중치 정의가 “분산 감소량”을 정확히 반영한다는 점과, DP 전이가 모든 가능한 층 배정 조합을 포괄한다는 점을 통해 보장된다. 또한, 비례 할당이라는 제약 조건이 가중치 계산에 직접 포함되므로, 별도의 제약 처리 단계가 필요 없다는 장점이 있다.

실험에서는 브라질 인구조사 데이터(수천 개 단위, 다중 변수)와 가상의 대규모 합성 데이터를 사용해 알고리즘의 실행 시간과 최적 해의 품질을 평가하였다. 결과는 기존의 휴리스틱 기반 방법들에 비해 평균 30% 이상 분산을 감소시키면서도, N이 10,000 수준일 때도 몇 초 내에 최적 해를 도출함을 보여준다. 특히, 층 수 L가 증가할수록 DP 테이블의 크기가 선형적으로 증가하지만, 실제 메모리 사용량은 현대 PC 환경에서 충분히 관리 가능함을 확인하였다.

이 논문의 주요 기여는 다음과 같다. 첫째, 층화 문제를 최소 경로 문제로 정형화함으로써 정확 알고리즘 설계가 가능함을 증명했다. 둘째, 비례 할당이라는 실무에서 흔히 사용되는 제약을 자연스럽게 모델에 포함시켜, 별도 제약 해결 절차 없이 최적 해를 구할 수 있게 했다. 셋째, 실제 통계청 데이터에 대한 적용 사례를 통해 이론적 모델이 현장 실무에 바로 적용될 수 있음을 입증했다. 마지막으로, 알고리즘 구현 시 메모리와 시간 효율성을 동시에 고려한 최적화 기법을 제시함으로써, 대규모 조사에서도 실용적으로 활용될 수 있는 기반을 마련했다.

향후 연구 방향으로는 비례 할당 외에 최적 할당(optimal allocation)이나 다중 변수 동시 최적화, 그리고 연속형 변수 대신 이산형 변수에 대한 확장 등을 고려할 수 있다. 또한, 그래프 기반 접근법을 활용해 층 내 상관 구조를 모델링하거나, 비용 함수에 비용-편익 분석을 추가하는 등 보다 복합적인 의사결정 상황에도 적용 가능할 것으로 기대된다.