불필요 점을 제외한 최소 면적 격자 상자 커버링

초록

평면상의 n개의 점을 p개의 축에 평행한 서로 겹치지 않는 정사각형 또는 직사각형으로 덮고, 최대 k개의 점을 제외(아웃라이어)시킨 뒤 가장 큰 상자의 면적을 최소화하는 (p, k)-Box Covering 문제의 난이도와 알고리즘을 조사한다. 일반 p에 대해 NP‑hard임을 보이고, p가 1, 2, 3으로 고정된 경우 각각 O(n + k log k), O(n log n + k² log² k), O(n log n + k³ log³ k) (정사각형) 및 O(n + k³), O(n log n + k⁴ log k), O(n log n + k⁵ log k) (직사각형) 시간에 해결할 수 있는 선형 공간 알고리즘을 제시한다.

상세 분석

이 논문은 “(p, k)-Box Covering”이라는 새로운 변형을 정의한다. 입력은 평면상의 n점 집합 P와 정수 p>0, k≥0이며, 목표는 p개의 축에 평행한 정사각형 혹은 직사각형을 서로 내부에서 겹치지 않게 배치해 최소 k개의 점을 제외하고 나머지 n−k개의 점을 모두 포함시키는 것이다. 여기서 최적화 기준은 사용된 상자들 중 가장 큰 면적을 최소화하는 것이며, 상자들의 경계는 겹쳐도 된다.

먼저 저자들은 p가 입력에 따라 가변적인 일반 경우에 대해 NP‑hard임을 증명한다. 이를 위해 planar 3‑SAT(3‑SAT) 문제를 정밀하게 변환하여, 변수와 절을 각각 정사각형(또는 직사각형)으로 표현하는 “가젯”을 설계한다. 변수 가젯은 N개의 점을 원형으로 배치해 두 가지 가능한 커버링(진리값 TRUE/ FALSE)만 허용하도록 하고, 절 가젯은 M개의 점을 직선상에 배치해 세 개의 “링크 포인트”(스위치)와 연결한다. 스위치는 해당 변수 가젯의 TRUE 혹은 FALSE 영역에 포함될 경우에만 커버될 수 있게 함으로써, 절이 만족되려면 적어도 하나의 스위치가 켜져 있어야 함을 보장한다. 이 구조를 통해 3‑SAT 인스턴스가 만족가능하면 p개의 단위 정사각형(또는 직사각형)으로 모든 점을 커버할 수 있고, 반대로 커버링이 존재하면 원래 논리식이 만족됨을 증명한다. 따라서 (p, k)-Square/Rectangle Covering 문제는 p가 입력에 따라 변할 때 NP‑hard임을 확립한다.

다음으로 p가 상수(1, 2, 3)로 고정된 경우 효율적인 알고리즘을 제시한다. 핵심 아이디어는 “아웃라이어”를 미리 정렬하고, 후보 상자의 크기를 이진 탐색하면서 결정 문제(decision problem)를 풀어 최적값을 찾는 것이다.

• p=1인 경우, 정사각형은 최소 면적을 갖는 최소 포위 사각형(minimum enclosing square) 문제와 동등하며, 이는 LP‑type 문제로 LP‑dimension이 3이므로 선형 시간에 해결 가능하다. 저자들은 이를 개선해 O(n + k log k) 시간 복잡도를 얻는다. 여기서 k log k는 아웃라이어 후보를 정렬하고, 각 후보에 대해 최소 포위 사각형을 갱신하는 과정에서 발생한다.

• p=2, 3인 경우, 저자들은 “divide‑and‑conquer”와 “dynamic programming over sorted coordinates”를 결합한다. 먼저 점들을 x‑좌표 기준으로 정렬하고, 가능한 상자들의 왼쪽·오른쪽 경계 후보를 O(n) 개 추출한다. 그런 다음 k개의 아웃라이어를 제외한 나머지 점들에 대해 최소 면적 상자를 선택하는 서브문제를 O(n log n) 시간에 해결한다. p가 2일 때는 두 상자를 배치하는 경우의 수가 O(k²) 정도가 되며, 이를 효율적으로 탐색하기 위해 “k‑pair” 구조를 사용해 O(k² log² k) 추가 시간을 얻는다. p=3일 때는 동일한 아이디어를 확장해 O(k³ log³ k) 시간을 달성한다.

직사각형에 대해서는 정사각형보다 자유도가 높아 LP‑dimension이 4가 되므로, p=1인 경우 기존 O(n + k³) 알고리즘을 그대로 사용한다. p=2, 3에 대해서는 정사각형 알고리즘을 변형해, 가로·세로 길이를 독립적으로 선택할 수 있게 함으로써 복잡도가 각각 O(k⁴ log k)와 O(k⁵ log k)로 증가한다. 모든 알고리즘은 입력 점들을 한 번만 읽고, 추가적인 배열이나 스택을 사용해 O(n) 공간만을 차지한다.

마지막으로 저자들은 Ω(n log n) 하한을 알제브라적 결정 트리 모델에서 증명한다. 이는 1‑차원 중복 검사 문제를 평면에 매핑해, 최소 면적 상자가 0이면 중복이 존재하고, 그렇지 않으면 최소 면적이 양수가 되도록 구성함으로써 얻는다. 따라서 제시된 알고리즘들은 n에 대한 최적성(℧(n log n) 하한에 근접)과 k에 대한 거의 최적의 의존성을 동시에 만족한다는 점에서 의미가 크다.

전반적으로 이 논문은 “아웃라이어 허용”이라는 현실적인 제약을 도입하면서도, 작은 p에 대해서는 이론적으로 최적에 가까운 알고리즘을 제공하고, 일반 p에 대해서는 난이도 경계를 명확히 제시함으로써 기하학적 클러스터링 및 센터 문제 분야에 중요한 기여를 한다.