고차원 적분을 위한 자동 중간 집합 생성법

본 논문은 고차원 적분 문제를 두 집합 B 와 B′ ( B′⊂B )의 상대 측정값 μ(B)/μ(B′) 을 추정하는 형태로 재구성한다. 전통적인 자기감소(self‑reducibility) 방법은 α‑균형 집합 시퀀스 B=B₀⊃B₁⊃…⊃B_ℓ=B′ 을 사전에 설계해야 하는데, α가 작으면 분산이 커지고, α가 크면 단계 수 ℓ 가 급증한다는 실용적 어려움이 있다. 이를 해결하고자 저자는 “Tootsie Pop Algorithm(TPA)”이라는 새로운 자동 중간 집합 생성 절차를 제안한다. TPA의 기본 구성 요소는 (Ω,𝔽,μ)라는 측정공간, 셸 B와 코어 B′, 연속 파라미터 β에 따라 정의된 중첩 집합 A(β) 이며, A(β_B)=B, A(β_{B′})=B′ 을 만족한다. 알고리즘은 i=0, β₀=β_B 에서 시작해, 현재 집합 A(β_i) 에 대해 μ‑조건부 표본 Y 를 추출한다. 이후 β_{i+1}=inf{β : Y∈A(β)} 를 정의하고, Y가 B′ 에 속하면 종료한다. 핵심 이론적 결과는 각 단계에서 비율 U_i=μ(A(β_{i+1}))/μ(A(β_i)) 가