채널 그래프 지역 탐색과 전역 탐색 비교

이 논문은 채널 그래프라는 특수한 형태의 유향 비순환 그래프에서, 그래프가 주어진 확률 분포에 따라 각 링크가 ‘idle’(유휴) 혹은 ‘busy’(점유) 상태를 갖는 상황을 가정한다. 그래프는 유일한 소스 s와 타깃 t를 가지며, 모든 정점은 s에서 t로 가는 경로 위에 존재한다. 각 링크는 독립적으로 빈도 확률 q (0 ≤ q ≤ 1) 로 유휴가 되며, 이는 기존 연구에서 Lee와 Le Gall이 도입한 모델이다. 문제는 주어진 그래프와 q가 알려진 상태에서, 실제 상태는 알 수 없을 때, 그래프가 ‘연결(linked)’인지 ‘차단(blocked)’인지를 판별하는 탐색 알고리즘을 설계하고, 그 평균 탐색 비용을 최소화하는 것이다. 탐색은 링크의 상태를 순차적으로 ‘probe’(조사)함으로써 진행되며, 탐색 과정은 결정 트리(decision tree) 형태로 모델링된다. 기존 연구는 ‘전역 탐색(global search)’을 전제로, 어느 시점에서도 임의의 링크를 조사할 수 있다고 가정했다. 그러나 실제 네트워크에서는 조사 자체가 네트워크를 통해 이루어지므로, 아직 접근되지 않은 링크를 바로 조사할 수 없다는 제약이 있다. 이를 반영해 논문은 ‘지역 탐색(local search)’ 모델을 도입한다. 지역 탐색에서는 현재까지 확인된 유휴 경로를 따라 접근 가능한 링크만을 조사할 수 있다. 연구 대상은 ‘완전 병렬 그래프(F_k)’이다. F_k는 깊이 k 인 완전 이진 트리 T_k와 그 역방향 트리 T'_k를 각각 소스 s와 타깃 t에 연결한 구조로, 각 레벨(랭크)마다 2^j개의 정점이 존재한다. T_k의 잎과 T'_k의 잎을 연결하는 간선은 방향이 s→t 방향이다. 이 구조는 두 개의 동일한 서브그래프(F_{k‑1})가 병렬로 연결된 형태를 재귀적으로 갖는다. 전역 탐색을 위한 알고리즘(bilat‑search)은 다음과 같이 동작한다. 먼저 첫 번째 서브그래프 F_{k‑1}을 탐색하고, 성공(즉, 유휴 경로 발견)하면 즉시 종료한다. 실패하면 두 번째 서브그래프를 탐색한다. 이 과정은 재귀적으로 진행되며, 각 단계에서 최소 1개의 probe와 q, q²에 비례하는 추가 비용이 발생한다. 이를 수식화하면 기대 탐색 횟수 E(F_k,q)는 E(F_k,q) = 1 + 2q + 2q² E(F_{k‑1},q) + … 와 같은 재귀식을 만족한다. Lemma 2.1을 이용해 차단 확률 P(F_k,q)의 상한을 구하고, 이를 재귀식에 대입하면 E(F_k,q) ≤ 4k 가 된다. 즉, 전역 탐색의 평균 비용은 k에 대해 선형이며, q < ½인 경우에는 상수 수준으로 수렴한다. 지역 탐색을 위한 알고리즘(unilat‑search)은 전역 탐색과 달리, 후보 링크(랭크 k + 1에 위치한, 현재까지 접근 가능한 링크)만을 조사한다. 첫 번째 후보를 조사하고, 그 후보에서 타깃까지의 경로가 모두 유휴이면 ‘연결’이라고 선언한다. 경로 중에 busy 링크가 있으면 해당 후보는 더 이상 조사하지 않으며, 그 busy 링크가 차단하는 모든 후보도 동시에 제외한다. 이렇게 하면 매 단계마다 후보 수가 감소하면서, 전체 탐색은 후보를 순차적으로 조사하는 과정으로 변한다. 재귀식은 E₁(F_k,q) ≈ (2q)^k / k (또는 1/(k q^k)) 와 같이 나타나며, q > ½ 구간에서는 지수적 성장(기저 2q 또는 1/q)을 보인다. 특히 q가 ½와 1 사이일 때, 기대 탐색 횟수는 최소 c·(min{(2q)^k, 1/q^k})/k 이며, 이는 전역 탐색에 비해 급격히 큰 값이다. 하위 섹션에서는 이러한 상한이 최적임을 보이기 위해 하한을 증명한다. 먼저, 후보 링크를 조사할 때 각 후보가 타깃까지 k개의 링크를 거치므로 성공 확률은 q^k이다. 전체 그래프가 연결될 확률 Q(F_k,q) ≥ 1/k (큰 k에 대해) 를 이용하면, 기대 탐색 횟수는 최소 (1/q)^k / k 혹은 (2q)^k / k 로 제한된다. q ≤ 1/√2 구간에서는 Y_k 라는 브랜칭 프로세스를 도입해, 각 레벨에서 접근 가능한 링크 수의 평균이 (2q)^k 임을 보이고, 큰 편차가 발생하지 않도록 마코프 부등식과 큰 편차 경계(Chernoff) 등을 사용해 하한을 강화한다. Lemma 3.2와 Theorem 3.1을 통해, 모든 충분히 큰 k에 대해 E₁(F_k,q) ≥ c·(min{(2q)^k, 1/q^k})/k 가 성립함을 보인다. 결과적으로 논문은 전역 탐색과 지역 탐색 사이에 존재하는 복잡도 격차를 명확히 규정한다. 전역 탐색은 그래프 구조에 관계없이 평균 O(k) 탐색으로 해결 가능하지만, 지역 탐색은 q > ½인 경우 지수적으로 비용이 증가한다. 이는 실제 네트워크에서 탐색을 수행해야 하는 상황—예를 들어 라우터가 자체적으로 링크 상태를 확인해야 하는 경우—에 중요한 함의를 가진다. 논문은 이러한 차이를 정량적으로 분석하고, 완전 병렬 그래프 F_k에 대해 상한과 하한을 모두 제시함으로써, 제시된 지역 탐색 알고리즘이 지수적 성장률 면에서 최적임을 증명한다.