다중목표 여행세일즈맨 문제의 근사 알고리즘 연구

초록

본 논문에서는 다중목표 여행세일즈맨 문제(TSP)의 거의 모든 변형에 대해 근사 알고리즘을 제시한다. 먼저, 다중목표 최대 TSP(Max‑TSP)를 위한 무작위 근사 알고리즘을 고안한다. 대칭적 가중치를 갖는 다중목표 Max‑STSP에 대해서는 2/3 − ε의 근사 비율을, 비대칭적 가중치를 허용하는 다중목표 Max‑ATSP에 대해서는 1/2 − ε의 비율을 달성하는 알고리즘을 제시한다. 이 알고리즘들은 목표 수 k가 고정된 경우에 적용 가능하다. 또한, 2목표 Max‑STSP에 대해 결정론적 알고리즘을 제시하여 7/27의 근사 비율을 얻는다. 마지막으로, 삼각 부등식을 만족하는 비대칭 최소 TSP(Min‑ATSP)에 대한 무작위 근사 알고리즘을 제시하며, 이 알고리즘은 log n + ε의 비율을 달성한다.

상세 요약

이 논문은 다중목표 TSP라는 복합 최적화 문제에 대한 근사 이론을 크게 확장한다는 점에서 학계와 산업계 모두에 큰 의미를 가진다. 기존 연구는 주로 단일 목표(예: 최소 거리) TSP에 집중했으며, 다중목표 상황에서는 파레토 최적해 집합을 구하는 것이 NP‑hard임을 알려준다. 저자들은 이러한 난관을 극복하기 위해 무작위화와 결정론적 기법을 적절히 결합한 새로운 알고리즘 프레임워크를 제시한다.

첫 번째 기여는 다중목표 Max‑STSP와 Max‑ATSP에 대한 무작위 근사 알고리즘이다. 대칭 그래프에서는 2/3 − ε, 비대칭 그래프에서는 1/2 − ε라는 비율을 보장하는데, 이는 기존 단일 목표 최대 TSP 근사 비율(예: 2/3, 1/2)과 동일하거나 거의 근접한 수준이다. 특히 목표 수 k가 고정된 경우에만 다항식 시간 복잡도를 유지한다는 점은 실용적인 적용 가능성을 높인다.

두 번째 기여는 2목표 Max‑STSP에 대한 결정론적 알고리즘으로, 7/27≈0.259의 근사 비율을 달성한다. 비록 비율이 무작위 알고리즘보다 낮지만, 무작위성에 의존하지 않으므로 신뢰성 있는 결과가 요구되는 상황(예: 물류 네트워크 설계)에서 유용하다.

세 번째 기여는 최소 비대칭 TSP(Min‑ATSP)에서 로그‑n 수준의 근사 비율을 얻는 무작위 알고리즘이다. 삼각 부등식을 가정함으로써 기존의 로그‑n 근사 프레임워크를 다중목표 환경에 확장했으며, 이는 대규모 물류 및 라우팅 문제에 직접적인 영향을 미친다.

알고리즘 설계 측면에서 저자들은 라운드‑업, 매칭, 그리고 스패닝 트리 기반 기법을 다중목표 가중치에 대해 동시에 최적화하도록 변형하였다. 무작위 샘플링을 통해 파레토 전선을 근사적으로 커버하고, 기대값 분석을 통해 근사 비율을 엄격히 증명한다. 또한, 결정론적 알고리즘에서는 구조적 특성을 이용해 특정 패턴(예: 3‑사이클)의 선택을 최적화함으로써 비율을 확보한다.

한계점으로는 목표 수 k가 고정되어야 한다는 제약과, 무작위 알고리즘의 경우 성공 확률을 높이기 위한 반복 횟수 증가가 실시간 시스템에 부담을 줄 수 있다는 점이다. 향후 연구에서는 k가 가변적인 경우에도 효율적인 근사법을 모색하거나, 무작위성 없이도 로그‑n 수준의 비율을 달성할 수 있는 결정론적 프레임워크를 개발하는 것이 과제로 남는다. 또한, 실험적 평가를 통해 실제 데이터셋에서의 성능을 검증하고, 파레토 전선의 밀도를 정량화하는 방법론을 추가한다면 본 연구의 실용성이 더욱 강화될 것이다.