기저 축소와 분기한계법의 복잡도 혁신

초록

본 논문은 제약 행렬의 열을 짧고 거의 직교하도록 축소한(리듀스드 베이시스) 경우, 정수 가능성 문제에 대한 전통적 분기‑한계(branch‑and‑bound) 알고리즘이 루트 노드에서 거의 항상 해결된다는 놀라운 결과를 제시한다. 특히 행렬 원소가 {1,…,M} 범위에 있을 때, M이 충분히 크면 전체 인스턴스의 90%·99%가 루트에서 해결됨을 이론적으로 증명하고, 실험을 통해 M값이 실제로 작게도 충분함을 확인한다.

상세 분석

논문은 먼저 정수선형계획(ILP)의 ‘정수 가능성 문제’를 다루며, 전통적인 분기‑한계 알고리즘이 최악의 경우 지수적 복잡도를 가진다는 점을 상기한다. 여기서 핵심 아이디어는 제약 행렬 A를 라티스(Lattice) 관점에서 바라보고, 그 열벡터들을 ‘리듀스드 베이시스(reduced basis)’ 형태로 변환하는 것이다. 리듀스드 베이시스는 Gram‑Schmidt 정규화 과정에서 각 벡터의 길이가 짧고, 서로 거의 직교하도록 정렬된 특성을 가진다. 이러한 구조적 변환은 두 가지 중요한 효과를 만든다. 첫째, 라티스의 최단 벡터 길이가 크게 제한되어, Furst‑Kannan 기법을 이용해 ‘최단 벡터가 길다’는 경우에 해당하는 정수 행렬의 개수를 상한으로 잡을 수 있다. 둘째, 분기‑한계 트리의 깊이와 폭을 제어하는 Gram‑Schmidt 벡터들의 노름이 작아지면서, 트리의 전체 노드 수가 다항식 수준으로 감소한다. 논문은 특히 ‘마지막 단위벡터 방향’(즉, 변수 x_n에 대한 폭)에서의 폭을 상한으로 제시하고, 이 폭이 1 이하가 되면 루트 노드에서 바로 정수 해가 존재함을 보인다. 이를 위해 A의 원소가 {1,…,M}에서 무작위로 선택될 때, M이 충분히 크면(구체적인 M값은 문제 규모 n, m에 따라 계산) 거의 모든 인스턴스가 위 조건을 만족한다는 확률적 분석을 수행한다. 실험에서는 M이 10~30 정도면 중간 규모(예: n≈30, m≈15) 문제에서 90%·99% 수준의 성공률을 보이며, 이는 기존 이론이 요구하던 거대한 M값과는 크게 차이가 있다. 또한, 실제 랜덤 정수 프로그램을 대상으로 한 수치 실험에서, 계수 크기가 증가할수록 문제 해결이 쉬워지는 현상을 관찰했으며, 이는 라티스 기반 기저 축소가 분기‑한계 알고리즘의 효율성을 크게 향상시킨다는 실증적 증거로 해석된다.