최적 확률적 평면화

초록

이 논문은 그래프의 종(genus) g에 대해, 기존에 알려진 2^O(g)·O(g²) 수준의 왜곡을 갖는 확률적 평면화 임베딩을 O(log g)로 크게 개선한다. 새로운 임베딩은 다항 시간에 구현 가능하며, NP‑hard 문제를 풀 필요가 없다는 실용적 장점도 갖는다. 결과적으로, 종 g인 그래프 위의 다양한 기하 최적화 문제를 평면 그래프로 변환하면서 근사 비율을 O(log g)만큼만 손실한다는 강력한 환원 메커니즘을 제공한다.

상세 분석

본 연구는 그래프 이론과 알고리즘 설계 분야에서 오래된 난제였던 ‘종 g인 그래프를 평면 그래프로 확률적으로 임베딩하는 문제’를 새로운 관점에서 접근한다. 기존 작업인 Indyk‑Sidiropoulos