의사삼각분할 개수의 상한과 하한

초록

이 논문은 주어진 평면 점 집합이나 특정 삼각분할 안에서 만들 수 있는 의사삼각분할(pseudo‑triangulation)과 그 중에서도 모든 정점이 ‘pointed’인 경우의 개수에 대한 상한·하한을 정량적으로 제시한다. 주요 결과는 (1) 특정 삼각분할에 포함될 수 있는 pointed 의사삼각분할의 최대 개수는 (O(5.45^{N}))·(Ω(2.41^{N})) 로 제한되고, (2) 일반 의사삼각분할은 (O^{}(6.54^{N}))·(Ω(3.30^{N})) 로, (3) 임의의 N점 집합 위에 삽입 가능한 pointed 의사삼각분할은 (O^{}(89.1^{N}))·(Ω(?)) 로, (4) 전체 의사삼각분할은 (120^{N}) 이하라는 점을 증명한다.

상세 분석

본 연구는 평면 그래프 이론에서 핵심적인 구조인 의사삼각분할(pseudo‑triangulation)의 조합적 복잡성을 정밀하게 분석한다. 의사삼각분할은 모든 내부 얼굴이 ‘pseudo‑triangle’이라 불리는, 정확히 세 개의 convex corner를 갖는 다각형인 구조로, 특히 ‘pointed’ 조건(각 정점이 하나의 reflex angle을 갖는) 하에서는 로봇 모션 플래닝과 같은 응용 분야에서 중요한 역할을 한다. 논문은 두 차원의 서로 다른 제약 상황을 구분한다. 첫 번째는 “특정 삼각분할 안에 포함되는” 경우로, 기존 삼각분할을 기반으로 하여 추가적인 비대각선(또는 ‘pseudo‑edge’)을 삽입해 의사삼각분할을 구성한다. 여기서는 기존 삼각분할의 구조적 제한이 개수 상한을 크게 낮추는 효과를 만든다. 저자는 이 경우에 대해, pointed 의사삼각분할의 최대 개수가 (O(5.45^{N})) 로, 하한은 (Ω(2.41^{N})) 로 존재함을 증명한다. 이때 사용된 기법은 삼각분할의 dual graph를 이용한 재귀적 분할과, Catalan‑type 구조를 일반화한 generating function 분석이다.

두 번째는 “임의의 점 집합 위에 직접 삽입 가능한” 경우이다. 여기서는 사전 삼각분할이 주어지지 않으므로 자유도가 크게 늘어나며, 따라서 상한이 급격히 상승한다. 저자는 복잡도 분석을 위해 ‘flip graph’와 ‘edge insertion sequence’를 모델링하고, 이를 통해 pointed 의사삼각분할의 상한을 (O^{}(89.1^{N})) 로, 일반 의사삼각분할은 (120^{N}) 이하임을 보인다. 특히 (O^{}) 표기는 다항식 요인을 무시한 지수적 성장률을 의미한다.

또한, 전체 의사삼각분할(점이 pointed일 필요 없는 경우)의 경우, 기존 연구에서 알려진 (O(7^{N})) 수준의 상한을 크게 개선하여 (O^{*}(6.54^{N})) 라는 새로운 상한을 제시한다. 하한 측면에서는 구성 가능한 ‘stacked’ 구조를 이용해 (Ω(3.30^{N})) 를 도출한다. 이 결과는 의사삼각분할이 실제로 얼마나 풍부한 조합적 구조를 가질 수 있는지를 정량적으로 보여준다.

핵심적인 수학적 도구는 (i) 복합적인 재귀 관계식의 해석, (ii) generating function을 통한 근사 해, (iii) 부등식 최적화를 위한 라그랑주 승수법, (iv) 기존의 ‘pointed pseudo‑triangulation’ 열거 알고리즘을 변형한 새로운 카운팅 기법이다. 특히, 저자는 ‘edge‑labelled’ 모델을 도입해 각 pseudo‑edge의 선택이 전체 개수에 미치는 영향을 정밀히 추적한다. 이러한 접근은 기존의 단순한 combinatorial bound와 달리 구조적 제약을 세밀히 반영한다는 점에서 혁신적이다.

결과적으로, 논문은 의사삼각분할의 상한·하한을 기존보다 크게 좁히면서, 두 종류(점이 pointed인 경우와 일반 경우)의 복잡도 차이를 명확히 구분한다. 이는 알고리즘 설계, 특히 최적화된 플래닝 및 네트워크 라우팅에서 가능한 해의 수를 사전 예측하는 데 직접적인 활용 가치를 제공한다.