이진 텐글램 그리기의 실험적 평가와 최적화 전략

본 논문은 이진 텐글램 레이아웃(TL) 문제에 대한 실험적 평가를 수행한다. TL 문제는 두 이진 트리 S와 T의 잎을 일대일 매핑하고, 각 트리를 평면(교차 없이)으로 그린 뒤, 잎 사이를 직선으로 연결했을 때 발생하는 inter‑tree edge 교차수를 최소화하는 조합 최적화 문제이다. 이 문제는 NP‑hard이며, 특히 완전 이진 트리에서도 2‑approximation이 최선이라는 이론적 한계가 존재한다. **관련 연구**에서는 TL을 2‑side crossing minimization(2SCM)과 연결짓고, 1‑side crossing minimization(1SCM)의 NP‑hardness, 기존의 고정‑파라미터 알고리즘, 그리고 Buchin et al.이 제시한 O(n³) 시간의 2‑approximation 재귀 알고리즘을 소개한다. 또한, Holten·van Wijk의 시각화 도구와 그 내부의 히에라키 정렬 기법, 그리고 Dwyer·Schreiber의 2.5‑차원 텐글램 그리기 방법도 언급한다. **알고리즘** 1. **재귀 분할 알고리즘**: 루트 아래 두 서브트리(S₁,S₂)와(T₁,T₂)를 네 가지 배치 중 하나로 선택하고, 현재 레벨에서 발생하는 교차수를 계산한다. 하위 서브문제에 대해 동일 과정을 재귀한다. 완전 이진 트리에서는 각 레벨 교차를 정확히 파악해 전체 교차수의 2배 이내를 보장한다. 비균형 트리에서는 서브트리 간 교차를 과소평가해 품질이 저하된다. 이를 보완하기 위해 (a) 대각선 분할(S₁,T₂)·(S₂,T₁) 옵션을 추가하고, (b) 모든 현재‑레벨 교차수를 O(n²·h) 시간에 미리 계산해 상수 시간 조회가 가능하도록 전처리한다. 또한, 현재까지 발견된 최선 해보다 교차수가 큰 경우 탐색을 중단하는 branch‑and‑bound 기법을 도입해 평균 실행 시간을 크게 단축한다. 2. **히에라키 정렬(Hierarchy Sort)**: 두 트리를 동일 높이로 맞추기 위해 더미 노드를 삽입하고, 각 레벨에서 Sugiyama의 barycentric heuristic을 적용한다. 한 트리를 고정하고 다른 트리의 잎 순서를 최적화한 뒤, 역할을 교환한다. 이 과정을 collapse‑expand 사이클로 반복하며 교차가 더 이상 감소하지 않을 때까지 진행한다. 알고리즘 복잡도는 O(n·H)이며, 실험에서는 사이클 수 N≤2, 각 레벨에서의 barycentric 실행 횟수 N₀≤2로 수렴한다. 3. **정수 2차 프로그램(IQP)**: 각 내부 노드 u에 이진 변수 xᵤ를 두어 서브트리 순서를 뒤바꿀지 여부를 결정한다. 두 inter‑tree edge (a,b)와 (c,d)의 교차 여부는 해당 가장 낮은 공통 조상 v∈S와 w∈T의 변수 곱으로 표현된다. 목적함수는 모든 edge 쌍에 대한 교차 여부의 합이며, 제약은 변수의 0/1 제한뿐이다. CPLEX와 같은 MILP 솔버를 사용해 최적 해를 구한다. **실험 설계** - **데이터**: 무작위 생성된 네 세트(A‑D). A: 완전 이진 트리 10쌍, n=16~256. B: 동일 트리에서 변이를 시뮬레이션(노드 교환, 서브트리 이동). C: 비완전 이진 트리(무작위 구조). D: 실제 생물학 데이터(쥐·기생충 린스). - **환경**: 재귀 알고리즘은 Java 1.5, 히에라키 정렬은 Delphi 7, IQP는 CPLEX 9.1. 각각 Linux와 Windows 환경에서 실행. - **측정 항목**: 최종 교차 수, 실행 시간, 근사 비율(최적 대비). **결과 요약** - **개선된 재귀 알고리즘**은 평균 교차 감소율 70~85%를 달성했으며, 특히 트리 높이가 낮은 경우(예: n=64) 실행 시간이 0.01초 이하로 매우 빠르다. 대각선 분할과 branch‑and‑bound을 적용한 버전은 비균형 트리에서 원래 14교차를 1교차로 줄이는 등 큰 품질 향상을 보였다. - **히에라키 정렬**은 초기 교차를 약 50~60% 감소시켰지만, 최적 해와의 차이가 크게 남았다. 특히 비균형 트리에서는 교차 감소율이 30% 이하로 떨어졌다. - **IQP**는 모든 인스턴스에서 최적 해를 찾아냈으며, 최적 교차 수는 재귀·히에라키 정렬이 도달하지 못한 수준이었다. 그러나 n≈256인 경우 해결 시간이 30초~5분으로 급증해 실시간 응용에는 부적합했다. - **전체 비교**에서 실시간 시각화가 요구되는 소프트웨어 엔지니어링이나 대규모 클러스터링 분석에서는 개선된 재귀 알고리즘이 가장 실용적이며, 정확한 교차 수가 중요한 생물학적 계통수 비교에서는 IQP를 보조적으로 사용하고, 히에라키 정렬은 빠른 초기 레이아웃 생성에 활용할 수 있다. **결론 및 향후 연구** 논문은 TL 문제에 대한 네 가지 접근법을 체계적으로 구현·평가함으로써, 알고리즘 선택 시 정확도·속도·데이터 특성(완전 vs 비완전, 균형 vs 비균형)을 고려해야 함을 강조한다. 향후 연구는 (1) 대규모 n에 대해 메모리 효율적인 IQP 변형, (2) 기계 학습 기반의 레이아웃 예측, (3) 동적(timed) 텐글램 시각화를 위한 인크리멘털 업데이트 기법 등을 제안한다.