이웃합을 활용한 빠른 FPT 알고리즘

초록

본 논문은 그래프의 새로운 폭 파라미터인 Boolean‑width를 정의하고, 이를 이용해 정점 부분집합 및 정점 분할 문제들의 고정‑파라미터 트랙터블(FPT) 알고리즘을 설계한다. Boolean‑width는 cut‑에 걸친 이웃들의 Boolean 합(합집합)의 종류 수를 로그로 나타낸 것으로, 기존의 rank‑width와 직접적인 관계를 갖는다. 저자들은 Boolean‑width와 rank‑width 사이에 √β ≤ rw ≤ O(rw²)라는 경계를 보이며, Hsu‑grid와 같은 그래프에서 Boolean‑width는 로그 규모이지만 rank‑width는 선형 규모가 됨을 보인다. 이를 통해 Boolean‑width 기반 알고리즘이 특정 그래프에서 지수적 이득을 제공함을 입증한다. 또한, 최적 Boolean‑width 분해를 구하는 것이 아직 미해결이지만, rank‑width 분해를 이용해 근사할 수 있음을 제시한다.

상세 분석

논문은 먼저 Boolean‑width라는 새로운 그래프 폭 파라미터를 정의한다. 이는 임의의 정점 집합 A와 그 보완 B에 대해, B에 속한 정점들의 이웃 합집합 N(Y)∖B (Y⊆B) 로 만들 수 있는 서로 다른 집합의 개수를 2의 로그로 취한 값이다. 이 정의는 기존 rank‑width에서 사용되는 GF(2) 합(대칭 차) 대신 Boolean 합(합집합)을 사용한다는 점에서 차별화된다. 저자들은 Lemma 1을 통해 각 cut에 대해 log ρ_G(A) ≤ β_G(A) ≤ log nss_G(A) 를 보이며, 여기서 ρ_G는 cut‑rank, nss_G는 GF(2)‑스팬된 공간의 개수이다. 선형대수적 추론을 통해 nss_G(A) ≤ 2^{¼ρ_G(A)²+5⁄4ρ_G(A)} 를 얻어, 최종적으로 log rw(G) ≤ βw(G) ≤ ¼ rw(G)²+5⁄4 rw(G)+log rw(G) 라는 상한을 도출한다. 즉, Boolean‑width는 rank‑width의 제곱근보다 작을 수 있지만, 최악의 경우는 rank‑width의 제곱에 비례한다는 관계가 성립한다.

특히 Hsu‑grid라는 특수 그래프 군을 구성해 두 파라미터의 차이를 극명히 보여준다. n × n/10 크기의 Hsu‑grid는 정점 수가 Θ(n²)임에도 Boolean‑width는 Θ(log n) 수준이고, rank‑width는 Θ(n) 수준이다. 더 나아가, 이 그래프의 최적 rank‑decomposition을 사용하면 Boolean‑width가 Θ(n)으로 급격히 증가한다는 사실을 증명한다. 이는 동일 그래프에 대해 올바른 파라미터를 선택했을 때 알고리즘 복잡도가 지수적으로 차이날 수 있음을 의미한다.

알고리즘적 측면에서는, Boolean‑width에 기반한 동적 프로그래밍 프레임워크를 제시한다. 분해 트리 (T,δ)를 이용해 각 cut마다 가능한 이웃 합집합들의 종류를 상태로 저장하고, 이를 바탕으로 (σ,ρ)-집합 문제와 D_q‑partition 문제를 단일 지수 시간 내에 해결한다. 구체적으로, Boolean‑width가 k인 경우 알고리즘의 시간 복잡도는 O*(2^{O(k)}) 로, 동일한 문제를 rank‑width 기반으로 풀 경우 O*(2^{O(k²)}) 가 될 수 있다. 따라서 Boolean‑width가 작을 때 현저히 빠른 FPT 알고리즘을 얻을 수 있다.

마지막으로, 최적 Boolean‑width 분해를 찾는 것이 현재는 알려지지 않았으나, rank‑width 분해를 이용해 βw(G) ≤ O(rw(G)²) 를 만족하는 근사 분해를 얻을 수 있음을 언급한다. 이는 실제 구현에서 rank‑width 알고리즘(