다차원 배낭 문제를 위한 1에 가까운 적분성 차이 LP

초록

이 논문은 제약이 k개인 다차원 배낭(포장·커버링) 정수 프로그램에 대해, 임의의 양의 ε에 대해 적분성 차이가 1+ε 이하인 다항식 크기의 선형계획(LP) 모델이 존재함을 보인다. 변수는 상한이 없거나 임의의 상한을 가질 수 있으며, 포장형에서는 비용 함수와 무관하게 정수 껍질을 근사하는 다면체를 구성한다. 이는 기존의 1차원(고전적) 배낭에 대한 Bienstock의 결과를 k차원으로 일반화한 것이다.

상세 분석

본 연구는 k개의 제약식만을 갖는 정수선형계획(ILP)을 “k‑dimensional knapsack”이라 정의하고, 이 문제에 대해 근사적 LP 이완을 설계한다. 핵심 아이디어는 큰 계수와 작은 계수를 구분하는 “그리디 스케일링”과 “정밀도 감소(truncation)” 기법을 결합해, 변수들을 두 그룹으로 나눈 뒤 각 그룹에 대해 별도의 라운딩을 적용하는 것이다. 구체적으로, 원래의 ILP를 먼저 비용에 따라 정렬하고, 상위 O(k/ε)개의 변수는 그대로 유지하면서 나머지는 상한을 0 혹은 1로 제한한다. 이렇게 하면 남은 변수들의 총 기여도가 ε·OPT 이하가 되므로, 최적해와의 차이가 1+ε로 제한된다.

또한, 이 과정에서 사용되는 LP는 원래의 k개의 제약식에 추가로 O(k·log (1/ε))개의 보조 제약을 삽입한다. 보조 제약은 “부분합 제한(partial‑sum constraints)” 형태로, 각 변수 집합에 대한 누적 가중치를 제한함으로써 라운딩 후에도 제약 위반이 발생하지 않도록 보장한다. 이러한 보조 제약은 다항식 개수이므로 전체 LP의 크기는 입력 크기와 ε에 대해 다항식 시간 안에 구성 가능하다.

포장형 문제에서는 비용 함수가 LP에 직접 들어가지 않음에도 불구하고, 위와 같은 보조 제약만으로 정수 껍질의 외부 다면체를 정의할 수 있다. 즉, 비용에 독립적인 “정수 껍질 근사 다면체”를 얻으며, 이는 비용 함수가 바뀌어도 동일한 LP를 재사용할 수 있음을 의미한다. 반면 커버링형에서는 비용이 LP에 포함되므로, 비용에 따라 다소 다른 LP가 필요하지만 적분성 차이는 동일하게 1+ε 이하로 유지된다.

이 논문은 기존에 알려진 “k‑dimensional knapsack”에 대한 PTAS(다항식 시간 근사 알고리즘)와는 달리, LP 자체가 이미 1+ε 수준의 근사를 제공한다는 점에서 의미가 크다. 특히, LP 해를 직접 라운딩하면 추가적인 복잡한 알고리즘 없이도 근사해를 얻을 수 있다. 또한, 보조 제약을 통해 얻은 다면체는 정수 껍질의 외부 경계이므로, 향후 강한 정수 계획 이론(예: 컷 생성, 다면체 강화)에도 활용 가능하다.

결과적으로, 본 연구는 “k‑dimensional knapsack” 문제에 대해 비용에 무관한 다면체 근사와, 비용에 의존적인 LP 기반 1+ε 적분성 차이를 동시에 제공함으로써, 기존의 Bienstock 결과를 k 차원으로 확장하고, 다변량 배낭 문제의 구조적 이해를 한 단계 끌어올렸다.