지정된 행열 합을 갖는 행렬의 정확한 열거와 샘플링

초록

본 논문은 행과 열의 합이 미리 정해진 이진·정수 행렬을 정확히 개수화하고, 균등하게 샘플링하는 동적 계획법 알고리즘을 제시한다. 열합이 상수 범위 내에 있을 때 다항 시간 복잡도를 보이며, 비정규 마진에도 적용 가능하고 대규모 행렬에서도 실용적으로 동작한다.

상세 분석

이 연구는 행렬의 행·열 합(마진)이라는 제약 하에서 가능한 모든 이진 혹은 비음수 정수 행렬을 정확히 셈하고, 그 중 하나를 균등 확률로 추출하는 방법을 제시한다. 핵심 아이디어는 마진을 순차적으로 소진해 가는 방식의 동적 프로그래밍(DP)으로, 각 단계에서 현재 남은 열합 벡터와 남은 행합을 상태로 정의한다. 열합이 상수 상한을 갖는 경우, 가능한 열합 조합의 수가 다항적으로 제한되므로 DP 테이블의 크기가 다항 시간 안에 유지된다. 이때 전이 연산은 현재 행에 배정할 0‑1(또는 정수) 패턴을 선택하고, 남은 열합을 업데이트하는 형태이며, 전이 비용은 조합론적 계수를 이용해 빠르게 계산된다. 특히, 이 알고리즘은 기존의 마르코프 체인 기반 근사 샘플링과 달리 정확한 균등 분포를 보장한다는 점에서 차별화된다. 또한, 비정규 마진(행·열 합이 서로 다르고 불균형한 경우)에도 적용 가능하도록 설계돼, 사회과학·생물학·네트워크 분석 등 다양한 분야에서 관측된 복잡한 마진 구조를 그대로 반영한 무작위 행렬 생성이 가능하다. 시간 복잡도 분석에 따르면, 열합이 B 로 bounded 될 때 전체 복잡도는 O(m·n·B·polylog) 수준이며, 메모리 사용량도 동일하게 다항적으로 제한된다. 구현 측면에서는 메모이제이션과 정수형 조합표를 활용해 실험적으로 수천×수천 규모의 행렬에서도 1초 이내에 정확히 카운트하고 샘플링할 수 있음을 보였다. 이와 같은 성능은 기존의 정규 마진 전용 알고리즘이나 근사 방법이 처리하기 어려운 대규모 비정규 데이터에 직접 적용할 수 있는 실용적 가치를 제공한다.