불리언 카디널리티 제약의 CNF 인코딩과 그 확장

초록

본 논문은 불리언 카디널리티 제약을 CNF 형태로 변환하는 기존 인코딩 기법들을 정리하고, PAC·PIC 성질, 이진·단항 표현 차이, 필터링 함수 모델링 등을 통해 각 인코딩의 장·단점을 분석한다. 또한 인코딩 설계와 복잡도 이론에 대한 열린 문제들을 제시한다.

상세 분석

논문은 먼저 불리언 카디널리티 제약 ≤ k(x₁,…,xₙ)을 정의하고, 이를 CNF로 인코딩하는 두 큰 범주—비트 카운터와 비교기 기반 인코딩, 그리고 의사불리언(pseudo‑Boolean) 제약 전용 인코딩—를 소개한다. 비트 카운터 기반 인코딩은 다시 이진 표현과 단항(unary) 표현으로 나뉜다. 이진 표현은 이진 가산기와 비교기를 사용해 변수 개수 n에 비례하는 절대적인 크기의 보조 변수와 절대적인 절을 만든다. 그러나 이 방식은 단항 표현에 비해 단위 전파(unit propagation)에서 발생하는 추론력이 약해, ARC 일관성(arc consistency) 복원을 완전하게 수행하지 못한다. 단항 표현은 카운터 출력을 단항 비트열로 유지함으로써 각 비트가 입력 변수들의 ‘1’ 개수에 대해 단조(monotonic)하게 변한다. 결과적으로 단위 전파가 입력 변수들의 부분 할당만으로도 정확한 필터링 함수를 계산할 수 있어 PAC(Propagation‑Arc‑Consistency)와 PIC(Propagation‑Inconsistency‑Consistency) 성질을 만족한다. 대표적인 단항 기반 인코딩으로는 Bailleux‑Boufkhad 방식(Θ(n²) 절, Θ(n log n) 보조 변수), 순차적 단항 가산기, 그리고 정렬 네트워크 기반 인코딩(Θ(n log² n) 절) 등이 있다.

의사불리언 제약을 위한 인코딩 중 BDD 기반 인코딩은 최악의 경우 지수적 크기를 갖지만, 카디널리티 제약에 한정하면 O(n k) 크기로 효율적이다. 반면 GPW와 LPW 방식은 카디널리티 제약에 적용했을 때 비효율적이며, 기존 단항 인코딩에 비해 이점이 거의 없다.

핵심적인 이론적 논의는 ‘필터링 함수’ 개념이다. 카디널리티 제약 ≤k는 입력 변수들의 부분 할당에 따라 각 변수에 대해 0 혹은 *(미할당) 값을 반환하는 함수 f_{q,m}을 정의한다. PAC 인코딩은 단위 전파가 이러한 필터링 함수를 정확히 계산하도록 설계된다. 논문은 이 함수들이 단조적이며, 단위 전파가 구현할 수 있는 ‘전파 가능 함수(propagatable function)’와 동치임을 보인다. 또한, 필터링 함수를 구현하는 최소 CNF 크기와 해당 함수의 최소 단항 회로 크기 사이에 선형적인 관계가 있음을 제시한다.

복잡도 측면에서는 현재 알려진 가장 작은 PAC 인코딩이 Θ(n log² n) 절을 필요로 함에도 불구하고, O(n) 절만으로 PAC를 달성할 수 있는지, 혹은 이진 기반 인코딩과 단항 기반 인코딩 사이에 근본적인 차이가 존재하는지에 대한 미해결 질문을 제시한다. 또한, 전체 제약을 인코딩하지 않고 개별 필터링 함수만을 효율적으로 구현하는 방법에 대한 연구 필요성을 강조한다.

마지막으로 향후 연구 방향으로는 (1) 인코딩 설계와 분석을 위한 형식적 모델 구축, (2) 이진 기반 인코딩에서도 단항 기반과 동등한 추론력을 제공할 수 있는 새로운 전파 규칙 및 필터링 기법 개발, (3) SAT 솔버와 의사불리언 솔버의 추론력 및 효율성을 정량적으로 비교하는 실험적 연구를 제시한다.