자연수와 중첩 괄호 문자열의 효율적 인코딩 및 확률 분포

초록

본 논문은 자연수 집합을 카탈란 수의 재귀 구조에 기반한 중첩 괄호 문자열로 일대일 매핑하는 효율적인 인코딩 방식을 제시한다. 이 매핑을 통해 각 문자열에 고유한 확률 분포를 부여하고, 접두사 자유 코딩 및 재귀 함수 이론에의 응용 가능성을 탐색한다.

상세 분석

논문은 먼저 카탈란 수 Cₙ이 n개의 쌍으로 이루어진 올바른 괄호 문자열의 개수를 세는 전통적인 해석을 재조명한다. 저자는 C₀=1을 시작점으로 하여, Cₙ₊₁ = Σ_{i=0}^{n} C_i·C_{n−i} 라는 재귀식을 이용해 자연수를 순차적으로 “깊이”와 “폭” 두 차원으로 분해한다. 구체적으로, 자연수 k를 카탈란 인덱스 m과 그 내부 위치 ℓ (0 ≤ ℓ < C_m) 로 표현하고, 이를 (E₁E₂…E_m) 형태의 중첩 괄호 문자열로 변환한다. 여기서 각 E_i는 다시 같은 방식으로 재귀적으로 인코딩된다. 이 과정은 O(log k) 시간 복잡도로 구현 가능하며, 역변환 역시 동일한 복잡도를 유지한다.

확률 분포 측면에서 저자는 각 괄호 문자열에 균등 확률 1/C_m을 부여하고, 인덱스 m에 대한 사전 확률을 파라미터 α에 따라 기하급수적으로 감소시키는 제안을 한다. 이는 전체 자연수 집합에 대한 무한히 합이 1이 되도록 하는 정규화된 분포를 만든다. 특히, α=1/2 일 때는 각 깊이 레벨이 이전 레벨 대비 절반씩 감소하는 마르코프 체인과 유사한 구조가 나타나며, 이는 접두사 자유 코딩에서 최적 평균 코드 길이를 달성하는 데 기여한다.

응용 논의에서는 (1) 접두사 자유 코딩: 생성된 괄호 문자열은 자동으로 접두사 자유성을 만족하므로, 전통적인 허프만 코딩보다 구현이 간단하면서도 비슷한 압축 효율을 제공한다. (2) 재귀 함수 이론: 문자열의 중첩 구조가 함수 호출 스택을 그대로 모사하므로, 복잡도 분석 및 프로그램 변환에 활용 가능하다. 저자는 또한 이 인코딩이 무한 자동기(∞‑automaton)와 연결될 수 있음을 시사하며, 형식 언어 이론에서 새로운 연구 방향을 제시한다. 전체적으로 논문은 카탈란 수의 조합적 특성을 정보 이론과 컴퓨터 과학에 교차 적용함으로써, 이론적 통찰과 실용적 알고리즘을 동시에 제공한다.