결합 분할‑캡처‑리캡처 기법을 이용한 효율적인 SAT 및 조합계산

초록

본 논문은 희귀 사건 시뮬레이션에서 유래한 분할(splitting) 방법을 3‑SAT, 임의 그래프(정도 지정), 이진 컨틴전시 테이블 등 #P‑완전 문제에 적용하고, 마지막 단계에서 얻은 표본을 활용한 캡처‑리캡처(Capture‑Recapture) 추정기를 결합한다. 실험 결과, 특히 #SAT 문제에서 기존 분할 추정기에 비해 분산이 크게 감소하고 계산 속도가 향상됨을 보인다. 또한, 문제 규모가 매우 클 경우를 위한 확장 캡처‑리캡처 절차도 제시한다.

상세 분석

이 논문은 두 가지 확률적 추정 기법을 결합함으로써 #P‑완전 문제의 근사 카운팅을 개선한다. 첫 번째는 ‘분할(splitting)’ 알고리즘으로, 전체 해집합 X* 을 일련의 중첩된 부분집합 X₀⊃X₁⊃…⊃Xₘ 으로 분해하고, 각 단계에서 조건부 확률 cₜ=|Xₜ|/|Xₜ₋₁| 를 추정한다. 이때 MCMC(특히 Gibbs 샘플러)를 이용해 Xₜ₋₁ 에서 균등 표본을 생성하고, 상위 ρ 비율(엘리트)만을 선택해 다음 단계의 초기점으로 삼는다. 이렇게 하면 희귀 사건 확률 p=|X*|/|X₀| 를 직접 추정하는 대신, c₁·c₂·…·cₘ 이라는 곱 형태로 분해해 각 cₜ 를 비교적 큰 표본으로 안정적으로 추정할 수 있다. 논문은 이 과정을 ‘적응형 분할’이라 부르며, ρ 값을 사전에 지정해 엘리트 비율을 조절한다.

두 번째는 전통적인 캡처‑리캡처(CAP‑RECAP) 방법을 적용한 것이다. 분할 알고리즘이 마지막 단계 Xₘ=X* 에 도달했을 때, 이미 얻은 표본을 두 번 독립적으로 재추출한다(N₁, N₂). 두 표본 사이의 교집합 크기 R 을 이용해 |X*|≈(N₁+1)(N₂+1)/(R+1) 라는 편향 보정 추정량을 계산한다. 이 추정량은 단순히 c₁·…·cₘ 으로 얻는 곱 추정치보다 분산이 작으며, 특히 표본 크기 N 이 제한적이고 |X*| 가 10⁶ ~ 10⁹ 정도일 때 효과적이다.

논문은 또한 ‘확장 캡처‑리캡처’ 절차를 제안한다. |X*| 가 10⁹ 을 초과하는 경우, 추가적인 인공 제약(클라우즈)을 도입해 문제를 인위적으로 축소하고, 축소된 문제에 대해 캡처‑리캡처를 수행한 뒤 원래 규모로 보정한다. 이는 기존의 거친 몬테카를로 추정보다 훨씬 낮은 분산을 제공한다.

실험에서는 3‑SAT 인스턴스, 정규화된 임의 그래프, 이진 컨틴전시 테이블을 대상으로 세 가지 알고리즘을 비교한다. 결과는 다음과 같다. (1) 분할만 사용했을 때는 추정값의 평균은 정확했지만 분산이 크게 나타났다. (2) 캡처‑리캡처를 결합하면 동일한 표본 수(N≈10⁴)에서도 분산이 30%~70% 감소했으며, 실행 시간도 MCMC 단계와 표본 재추출만으로 추가 비용이 거의 없었다. (3) 확장 캡처‑리캡처는 |X*| > 10⁹ 인 경우에도 10⁶ 정도의 상대 오차를 유지했다.

이러한 결과는 두 기법이 서로 보완적임을 보여준다. 분할은 희귀 사건을 단계적으로 ‘증폭’시켜 조건부 확률을 안정적으로 추정하게 하고, 캡처‑리캡처는 마지막 단계에서 얻은 표본을 재활용해 편향을 보정하고 분산을 감소시킨다. 특히 #SAT 문제는 해공간이 지수적으로 커서 전통적인 MCMC 기반 카운팅이 메모리와 시간에서 비효율적인데, 본 결합 기법은 적은 메모리와 제한된 표본으로도 신뢰할 만한 추정치를 제공한다. 다만, 엘리트 비율 ρ 와 MCMC 믹싱 시간에 대한 민감도가 존재하며, 매우 높은 차원의 문제에서는 MCMC 수렴을 보장하기 위한 추가적인 검증이 필요하다.