Kemeny 점수 계산을 위한 고정 매개변수 알고리즘 이론과 실천

초록

이 논문은 여러 입력 순위들의 켈리컨(Kendall‑Tau) 거리 합을 최소화하는 Kemeny 합의 순위를 찾는 문제를 고정 매개변수 알고리즘(FPT) 관점에서 다룬다. 점수, 최대 거리, 후보 수, 평균 쌍거리 등 네 가지 매개변수에 대해 f(k)+poly(n) 시간 복잡성을 보이며, 특히 합의 점수 매개변수에 대한 개선된 알고리즘을 제시하고 실제 데이터와 무작위 실험을 통해 실용성을 입증한다.

상세 요약

Kemeny 합의 문제는 n개의 후보와 m개의 입력 순위가 주어졌을 때, 모든 입력 순위와의 켈리컨 거리 합을 최소화하는 순위를 찾는 최적화 문제이다. 이 문제는 n≥4인 경우 NP‑hard임이 알려져 있어 전통적인 완전 탐색은 실용적이지 않다. 논문은 이러한 난이도를 고정 매개변수 이론(Fixed‑Parameter Tractability)으로 접근한다. 구체적으로 네 가지 매개변수를 선택한다. 첫 번째는 목표 합의 점수(k) 자체이며, 이는 최적 순위와 입력 순위 사이의 총 거리 상한을 의미한다. 두 번째는 두 입력 순위 사이의 최대 켈리컨 거리(d_max)이며, 이는 입력 데이터가 서로 얼마나 일관된지를 나타낸다. 세 번째는 후보 수(c)로, 후보가 적을수록 탐색 공간이 급격히 감소한다. 네 번째는 모든 쌍에 대한 평균 켈리컨 거리(avg)로, 평균적으로 순위가 얼마나 분산되어 있는지를 측정한다. 각각의 매개변수에 대해 f(k)·poly(n) 형태의 알고리즘을 설계했으며, 여기서 f는 매개변수에만 의존하는 급격히 증가하는 함수이다.

특히 “합의 점수” 매개변수에 대한 기존 알고리즘은 O(2^k·poly(n)) 정도의 복잡도를 가졌으나, 논문은 새로운 분기 규칙과 커널화 기법을 결합해 O(1.618^k·poly(n)) 로 상한을 낮춘다. 핵심 아이디어는 후보 쌍을 우선순위 그래프 형태로 모델링하고, 사이클을 제거하는 과정에서 불필요한 후보를 미리 삭제함으로써 검색 트리의 깊이를 감소시키는 것이다. 또한, 매개변수 d_max에 대해서는 “거리 제한 그래프”를 구축해 트리폭이 d_max 이하인 경우에만 탐색을 진행하도록 하여, 실제 데이터에서 d_max이 작을 경우 거의 선형에 가까운 실행 시간을 보인다.

실험 부분에서는 무작위 생성된 순위 집합과 실제 선거 데이터, 검색 엔진 랭킹, 스포츠 순위 등을 사용했다. 결과는 이론적 복잡도와는 달리, 매개변수가 작을 때(예: k≤30, d_max≤10, c≤15) 수 초 내에 정확한 Kemeny 합의를 도출했으며, 기존의 근사 알고리즘이나 ILP 기반 방법보다 메모리 사용량도 현저히 낮았다. 따라서 고정 매개변수 알고리즘이 이론적 흥미에 그치지 않고 실무에서도 유용함을 입증한다.