최대 내부 정점 스패닝 트리의 정확 지수 시간 알고리즘

초록

본 논문은 그래프의 스패닝 트리 중 내부 정점 수를 최대화하는 문제(MIST)를 다룬다. 일반 그래프와 차수 제한 그래프에 대해 O*(cⁿ) (c ≤ 3) 형태의 동적 계획법을 제시하고, 최대 차수가 3인 그래프에 대해서는 다항 공간을 사용하면서 O*(1.8669ⁿ) 시간에 해결하는 분기 알고리즘을 개발하였다. 또한 목표 내부 정점 수 k를 파라미터로 하는 경우 O*(2.1364ᵏ·n^{O(1)})의 실행 시간을 보이는 파라미터화 알고리즘을 제시했으며, 두 결과 모두 Measure‑&‑Conquer 분석을 통해 얻었다.

상세 분석

문제 정의부터 살펴보면, 최대 내부 정점 스패닝 트리(Maximum Internal Spanning Tree, MIST) 문제는 주어진 무방향 연결 그래프 G=(V,E)에서 내부 정점(차수가 2 이상인 정점)의 수를 최대화하는 스패닝 트리를 찾는 NP‑hard 문제이다. 이는 해밀턴 경로 문제의 일반화이며, 해밀턴 경로가 존재하면 내부 정점 수가 |V|‑2인 스패닝 트리를 얻을 수 있다. 기존 연구에서는 MIST에 대한 근사 알고리즘과 제한된 그래프 클래스에 대한 정확 알고리즘이 제시되었지만, 지수 시간 복잡도 측면에서 실용적인 상수 기반 개선은 부족했다.

논문은 먼저 일반 그래프와 차수 제한 그래프(특히 Δ≤4)에서 동적 계획법(DP)을 적용한다. DP는 부분 집합 S⊆V와 현재 트리의 ‘프론트’를 상태로 저장하며, 전이 과정에서 새로운 정점을 연결하거나 기존 프론트를 확장한다. 상태 수는 O*(cⁿ) 형태로 제한되며, 여기서 c는 차수에 따라 3 이하로 설정된다. 차수 제한이 강할수록 가능한 전이의 종류가 감소해 상수가 작아진다.

핵심 기여는 최대 차수가 3인 그래프에 대한 분기‑및‑제한(branch‑and‑reduce) 알고리즘이다. 알고리즘은 다음과 같은 순서를 따른다. (1) 차수 1 정점은 반드시 잎이 되므로 즉시 처리하고, (2) 차수 2 정점은 두 이웃 사이에 반드시 포함되는 간선을 선택한다. 이러한 간단한 규칙을 적용한 후에도 남은 그래프는 모든 정점이 차수 3인 ‘핵심’ 구조가 된다.

핵심 단계에서는 선택 가능한 간선을 하나 고르고, 그 간선을 트리에 포함시키는 경우와 제외하는 경우로 분기한다. 각각의 경우에 대해 그래프를 다시 축소하고, 새로운 차수 1·2 정점이 발생하면 위의 규칙을 재귀적으로 적용한다. 이때 Measure‑&‑Conquer 기법을 사용해 ‘측정값 µ’를 정의한다. µ는 정점 수 n에 가중치를 부여한 선형 결합으로, 차수 3 정점은 1, 차수 2 정점은 α, 차수 1 정점은 β(α,β<1) 로 설정한다. 각 분기에서 µ가 감소하는 양을 정확히 계산해 최악의 재귀식 T(µ) ≤ T(µ‑δ₁)+T(µ‑δ₂) 형태를 얻는다. 최적의 α와 β를 수치적으로 탐색한 결과, 가장 큰 근사 근원은 1.8669이므로 전체 알고리즘의 시간 복잡도는 O*(1.8669ⁿ)이다.

또한 파라미터 k(목표 내부 정점 수)를 기준으로 한 분석을 수행한다. 여기서는 µ 대신 ‘남은 내부 정점 목표’를 측정값으로 삼고, 각 분기에서 목표가 얼마나 감소하는지를 따진다. 동일한 규칙과 측정값을 적용하면 재귀식의 근원이 2.1364가 되며, 따라서 O*(2.1364ᵏ·n^{O(1)}) 시간에 문제를 해결할 수 있다. 이 결과는 파라미터화 알고리즘 분야에서 Measure‑&‑Conquer를 처음으로 적용한 사례로 평가된다.

알고리즘은 다항 공간을 사용한다. 모든 재귀 호출은 현재 그래프와 측정값만을 보관하면 되며, DP와 달리 메모이제이션이 필요 없으므로 메모리 사용량이 크게 제한된다. 실험적 평가는 논문에 포함되지 않았지만, 이론적 상수 개선은 기존 O*(2ⁿ) 수준의 알고리즘보다 현저히 빠른 실행 시간을 기대하게 만든다.

결과적으로, 이 논문은 MIST 문제에 대한 두 가지 중요한 기여를 제공한다. 첫째, 일반 및 차수 제한 그래프에 대한 O*(cⁿ) DP 알고리즘으로, 차수에 따라 상수를 3 이하로 낮춘다. 둘째, Δ≤3 그래프에 대한 고효율 분기 알고리즘과 파라미터화 버전을 Measure‑&‑Conquer 분석을 통해 정밀히 평가함으로써, 기존 최선의 지수 시간 상수를 크게 개선한다. 이러한 접근법은 다른 최대 내부 구조 문제나 유사한 파라미터화 문제에도 확장 가능성을 시사한다.