kSAT 근사 알고리즘의 새로운 접근법

초록

이 논문은 3‑SAT·4‑SAT을 포함한 모든 k≥3에 대해, 오류 허용도 ε에 대해 다항식 시간의 오차 조절이 가능한 무작위 근사 스킴을 제시한다. 풀이가 적은 경우는 SAT 솔버를 이용한 열거, 풀이가 많은 경우는 무작위 표본 추출을 결합해 전체 실행 시간을 O(ε⁻²·1.5366ⁿ) (3‑SAT) 및 O(ε⁻²·1.6155ⁿ) (4‑SAT) 로 감소시킨다. 또한 상·하한을 구하는 별도 알고리즘도 제시한다.

상세 분석

본 논문은 #k‑SAT 문제에 대한 최초의 비트레드(비정확) 근사 알고리즘을 제시한다는 점에서 이론적·실용적 의미가 크다. 핵심 아이디어는 “풀이가 적은 경우”와 “풀이가 많은 경우”를 각각 다른 전략으로 처리한다는 것이다.

첫 번째 전략은 SAT‑solver 기반의 완전 탐색이다. 입력 CNF F가 해의 개수가 사전 지정된 상한 N보다 작을 때, 무작위화된 k‑SAT 알고리즘(예: Hertli 2011) 혹은 결정적 Moser‑Scheder 2011 알고리즘을 서브루틴으로 사용해 각 변수에 대해 0·1 두 가지 제한을 순차적으로 검사한다. 이 과정을 트리 형태로 전개하면 깊이가 ≤n이고 잎의 수가 ≤N인 탐색 트리를 얻으며, 전체 호출 횟수는 O(n·N)이다. 서브루틴의 실행 시간은 O*(2^{β_k n}) 형태이며, β_k는 PPSZ 2005 및 Hertli 2011에서 정의된 상수이다. 따라서 전체 복잡도는 O*(2^{β_k n}·N^{1−β_k})가 된다.

두 번째 전략은 무작위 표본 추출이다. 해의 개수가 N보다 크다고 판단되면, {0,1}ⁿ에서 균등하게 N번 표본을 뽑아 해의 빈도를 관찰한다. 표본 수 N을 Ω(2ⁿ·ε⁻²·#F⁻¹) 로 잡으면 Chernoff 경계에 의해 3/4 이상의 확률로 ε‑근사를 얻는다. 이 단계의 시간 복잡도는 O*(2ⁿ·ε⁻²·N⁻¹)이다.

두 전략을 결합하면 전체 실행 시간은 max{2^{β_k n}·N^{1−β_k}, 2ⁿ·ε⁻²·N⁻¹} 로 표현된다. N에 대한 로그 비율 f=log₂N / n 을 도입하고, 두 항을 동일하게 만드는 f= (1−β_k)/(2−β_k) 를 선택하면 최적의 복합 시간 O*(2^{(2−β_k)n}) 를 얻는다. 구체적인 β_k 값에 따라 3‑SAT에서는 β₃≈0.3864, 4‑SAT에서는 β₄≈0.4151 이며, 따라서 실행 시간 상수는 각각 1.5366ⁿ·ε⁻², 1.6155ⁿ·ε⁻² 로 수렴한다. 이는 기존 최적 정확 알고리즘(3‑SAT: O*(1.6423ⁿ), 4‑SAT: O*(1.9275ⁿ))보다 현저히 빠른 결과이다.

또한 논문은 하한 알고리즘(Theorem 1.2)과 상한 알고리즘(Theorem 1.3)을 별도로 제시한다. 하한 알고리즘은 SAT‑solver를 이용해 #F> L 인지를 3/4 이상의 확률로 판단하고, #F≤L 일 때는 정확히 계산한다. 상한 알고리즘은 Valiant‑Vazirani의 이분법 기법을 선형 방정식 형태로 변형해, 주어진 μ에 대해 2^{u}+3 ≥ #F 를 만족하는 u 를 확률 2/3 이상으로 반환한다. 이 두 알고리즘은 근사 스킴의 보조 서브루틴으로 활용될 수 있다.

전체적으로 논문은 기존의 복잡도 이론(Valiant‑Vazirani, PPSZ, Schöning)과 최신 SAT‑solver 기술을 적절히 조합함으로써, #k‑SAT 근사의 시간‑정확도 트레이드‑오프를 실질적으로 개선하였다. 특히 “few‑solutions”와 “many‑solutions” 구간을 명확히 구분하고, 각각에 최적화된 서브루틴을 적용한 설계는 향후 다른 #P‑완전 문제에도 일반화 가능성을 시사한다.