분기 프로그램으로 구현한 다항시간 근사 스킴 배낭 문제와 관련 카운팅

초록

이 논문은 배낭 문제와 다차원 배낭, 정수형 배낭, 그리고 행렬의 행 제한이 적은 컨틴전시 테이블의 해 개수를 결정하는 #P‑hard 문제들을, 무작위화 없이 다항시간 내에 (1+ε) 배 정확도로 근사할 수 있는 결정적 알고리즘을 제시한다. 핵심 아이디어는 작은 폭을 갖는 읽기‑한번 분기 프로그램(ROBP)을 구성해 해 공간을 적절히 압축하고, 이를 통해 정확한 카운팅과 균등 샘플링을 수행한다. 또한 이 기법을 활용해 제한된 수의 반평면(halfspace)으로 이루어진 부울 함수들을 균등 분포 하에서 질의 기반 학습이 가능함을 보인다.

상세 분석

논문은 먼저 기존의 무작위 마코프 체인 기반 FPRAS가 존재하던 #KNAP 문제에 대해, 완전히 결정적인 접근법을 설계한다는 점에서 혁신적이다. 핵심 기술은 “읽기‑한번 분기 프로그램”(Read‑Once Branching Program, ROBP)의 폭을 원래 배낭 제약의 총 가중치 W(가능하면 지수적) 대신 polylog W 수준으로 제한하는 것이다. 정확한 배낭 DP는 각 레이어 i에서 부분합 v_i = Σ_{j≤i} a_j x_j 를 상태로 갖는 폭 W의 ROBP를 만든다. 저자들은 이 폭을 크게 줄이기 위해 레이어별로 상태를 “구간”으로 묶고, 각 구간에 대표 상태 하나만 남긴다. 구간 선택은 해당 구간에 속한 부분합들이 전체 해 집합에서 차지하는 비율이 거의 동일하도록 설계되며, 이는 Meka‑Zuckerman의 “small‑width monotone ROBP” 구성 아이디어를 확장한 것이다. 이렇게 축소된 ROBP는 원래 프로그램이 받아들이는 문자열 집합을 (1±ε) 배 정확도로 근사한다는 증명을 제공한다.

다음 단계는 이 근사 ROBP를 이용해 정확히 해의 개수를 셀 수 있다는 점이다. 폭이 작아진 ROBP에 대해 동적 프로그래밍을 적용하면, 각 레이어마다 O(폭) 만큼의 연산만 필요하므로 전체 복잡도는 O(n·polylog W·1/ε) 수준이 된다. 이 방법은 단일 배낭뿐 아니라, 상수 개수 k의 제약을 갖는 다차원 배낭에도 확장된다. 다차원 경우에는 각 제약을 따로 고려하면 상태 공간이 폭 W^k가 되지만, 저자들은 Dy­er의 “정밀 라운딩” 기법을 활용해 다차원 제약을 하나의 가중치 분포 아래에서 단일 제약으로 변환하고, 앞서 만든 작은 폭 ROBP를 적용한다. 결과적으로 k가 상수일 때도 동일한 다항시간 복잡도를 유지한다.

또한, 정수형 배낭과 행 제한이 적은 컨틴전시 테이블 문제에도 동일한 프레임워크를 적용한다. 여기서는 각 변수의 범위가 지수적으로 커질 수 있기 때문에, 가중치 W 대신 최대 변수값 U와 행·열 합의 최대값 R을 로그 스케일로 처리한다. 작은 폭 ROBP를 구성하고, 이를 통해 정확한 카운팅과 빠른 샘플링을 수행한다.

특히 흥미로운 부가 결과는 “small‑space source” 개념을 도입해, 균등 분포가 아닌 대칭 분포·곱 분포 등 다양한 비균등 분포 하에서도 동일한 근사 카운팅이 가능하다는 점이다. 작은 폭의 소스 생성기를 이용해 해당 분포를 샘플링하고, ROBP와 결합해 ε‑근사 확률을 계산한다.

마지막으로, 이러한 ROBP 기반 근사는 부울 함수 학습에도 활용된다. k개의 반평면(halfspace)으로 정의된 함수는 본질적으로 k개의 배낭 제약과 동등하므로, 앞서 만든 작은 폭 ROBP를 질의 기반 학습 알고리즘에 삽입한다. 결과적으로, 기존에 ε에 대해 지수적 의존성을 보였던 학습 알고리즘을 (n/ε)^{O(k)} 시간 내에 해결한다. 이는 특히 k=2인 경우에도 이전 최선보다 크게 개선된 복잡도를 제공한다.

전체적으로 이 논문은 “폭을 줄인 ROBP를 통한 근사 카운팅”이라는 새로운 기법을 제시하고, 이를 배낭, 다차원 배낭, 정수형 배낭, 컨틴전시 테이블, 그리고 반평면 기반 부울 함수 학습 등 다양한 #P‑hard 문제에 적용함으로써 결정적 FPTAS를 구현한다는 점에서 이론 컴퓨터 과학과 알고리즘 설계 분야에 큰 기여를 한다.