가중치 스케일프리 네트워크의 최소 가중 스패닝 트리

초록

본 논문은 무방향 가중 그래프에서 최소 가중 스패닝 트리를 찾는 전형적인 탐욕 알고리즘인 크루스칼 알고리즘을 소개하고, 이를 스케일프리 구조를 갖는 무작위 그래프에 적용한다. 특히 엣지 가중치와 네트워크 토폴로지 사이의 상관관계가 MST 구조에 미치는 영향을 실험적으로 분석한다. 결과는 가중치 할당 방식에 따라 MST가 중심-주변 구조를 강조하거나, 고차 연결성을 보존하는 형태로 달라짐을 보여준다.

상세 분석

본 연구는 두 가지 주요 축을 중심으로 진행된다. 첫 번째는 크루스칼 알고리즘의 구현 세부 사항과 그 복잡도 분석이다. 크루스칼은 모든 엣지를 가중치 오름차순으로 정렬한 뒤, 사이클을 형성하지 않는 한 엣지를 차례로 선택하는 방식으로, Union‑Find 자료구조를 이용해 연결성 검사를 효율적으로 수행한다. 이때 시간 복잡도는 정렬 단계가 O(M log M), Union‑Find 연산이 거의 상수 시간에 가까운 O(α(N))이므로 전체 복잡도는 O(M log M)이다. 여기서 M은 엣지 수, N은 정점 수이다.

두 번째 축은 스케일프리 네트워크에 가중치를 부여하는 두 가지 모델이다. (1) “Degree‑Product” 모델은 엣지 가중치를 연결된 두 정점의 차수 곱(k_i·k_j)으로 정의한다. 이 경우 고차 정점 사이의 엣지는 큰 가중치를 갖게 되어 MST에서는 배제될 가능성이 높다. 결과적으로 MST는 저차 정점들을 중심으로 한 “별‑형” 구조를 띤다. (2) “Inverse‑Degree‑Product” 모델은 가중치를 (k_i·k_j)⁻¹ 로 설정한다. 여기서는 고차 정점 사이의 엣지가 낮은 가중치를 가져 MST에 우선 포함되며, 따라서 MST는 원래 스케일프리 그래프의 핵심 허브를 그대로 보존하는 형태가 된다.

실험에서는 Barabási‑Albert (BA) 모델을 이용해 N=10⁴, 평균 차수 ⟨k⟩≈4인 네트워크를 생성하고, 위 두 가중치 할당 방식을 적용한 뒤 크루스칼 알고리즘으로 MST를 추출하였다. 결과는 다음과 같다. Degree‑Product 가중치에서는 MST의 평균 경로 길이가 크게 증가하고, 차수 분포가 급격히 낮아져 거의 트리 형태가 된다. 반면 Inverse‑Degree‑Product 가중치에서는 MST가 원본 네트워크와 유사한 차수 분포를 유지하고, 평균 경로 길이도 비교적 짧게 유지된다. 이는 가중치와 토폴로지 사이의 상관관계가 MST 구조에 결정적인 영향을 미친다는 것을 시사한다.

또한, MST의 전체 가중치와 원본 그래프의 총 가중치를 비교한 결과, 두 모델 모두 MST가 전체 가중치의 약 30%~45% 수준으로 크게 감소한다는 공통점을 보였지만, 구조적 특성은 크게 달라졌다. 이러한 차이는 네트워크 설계 시 비용 최소화와 동시에 특정 토폴로지 특성을 유지하고자 할 때, 가중치 할당 전략을 신중히 선택해야 함을 의미한다.

본 논문은 스케일프리 네트워크에서 MST가 단순히 비용 최소화 문제를 넘어, 네트워크의 구조적 특성을 어떻게 반영하거나 왜곡할 수 있는지를 정량적으로 보여준다. 향후 연구에서는 동적 가중치, 다중 레이어 네트워크, 그리고 다른 최적화 목표(예: 전송 용량, 복원력)와의 관계를 탐색함으로써 보다 포괄적인 네트워크 설계 원리를 도출할 수 있을 것이다.