방향 그래프에서 모자 문제의 새로운 구성

초록

이 논문은 방향 그래프를 가시성 모델로 삼은 모자 추측 게임의 최적 승률(모자 수)을 연구한다. 기존의 무방향 그래프와 완전 그래프에 대한 결과와 달리, 저자들은 최대 클리크 크기에 관계없이 방향 그래프에서는 해피 수가 달라질 수 있음을 보인다. 특히, 모든 클리크 크기 k에 대해 가능한 모자 수의 구간을 정확히 규명하고, 해당 구간의 상한에 근접하는 그래프 군을 구성한다. 또한 토너먼트(완전 방향 그래프)의 경우 모자 수가 정확히 1/2임을 증명한다.

상세 분석

본 연구는 “모자 문제”라는 협동 추측 게임을 일반화하여, 플레이어 간 시야 관계를 방향 그래프(Digraph)로 모델링한다. 전통적인 설정에서는 무방향 그래프에서 각 정점이 인접 정점들의 모자 색을 볼 수 있었으며, 그 경우 최대 클리크의 크기 ω(G)가 모자 수 h(G)의 상한을 결정한다는 Feige의 추측이 제시되었다. 그러나 방향성은 시야의 비대칭성을 도입함으로써 기존의 상한이 더 이상 보존되지 않는다.

저자들은 먼저, 임의의 정수 k≥2에 대해 ω(D)=k인 방향 그래프 D의 모자 수 h(D)가 1/2 ≤ h(D) ≤ 1−2^{−k} 사이에 놓인다는 일반적 구간을 증명한다. 하한 1/2는 모든 토너먼트가 달성하는 값이며, 상한은 완전 k-클리크(양방향 완전 그래프)의 모자 수와 일치한다. 이 구간이 ‘조밀’함을 보이기 위해, 저자들은 두 가지 구성 방식을 제시한다. 첫 번째는 k개의 “핵” 정점을 서로 양방향으로 연결하고, 나머지 정점들을 이 핵에 일방향으로만 연결하는 구조이다. 이 경우 각 핵 정점은 서로의 색을 볼 수 있지만, 외부 정점은 핵만을 관찰한다. 적절한 확률 전략을 적용하면 h(D)≈1−2^{−k}에 수렴한다. 두 번째는 “계층적 토너먼트”라 부르는 일련의 토너먼트 레이어를 쌓아 올린 형태로, 각 레이어는 이전 레이어를 완전하게 바라보지만 역방향은 차단한다. 이 구성은 h(D)≈1/2에 가깝게 만든다. 따라서 ω(D)=k일 때 가능한 모자 수는 이 두 극단 사이의 모든 값에 arbitrarily 가까이 접근할 수 있음을 보인다.

특히 토너먼트의 경우, 모든 정점이 서로를 일방향으로만 바라보는 완전 방향 그래프이므로, 각 플레이어는 자신보다 “위”에 있는 플레이어들의 색만을 본다. 저자들은 대칭성을 깨뜨린 전략을 설계해, 각 플레이어가 자신의 색을 추정할 확률을 1/2로 맞추면서 동시에 최소 한 명이 정확히 맞출 확률도 1/2가 되도록 한다. 이는 기존 무방향 완전 그래프에서 h(K_n)=1−2^{−n}와는 현저히 다른 결과이며, 방향성에 의해 승률이 크게 제한된다는 점을 강조한다.

또한, 논문은 Feige의 추측이 무방향 그래프에만 적용될 수 있음을 반증한다. 구체적으로, ω(D)=3이지만 h(D)≈0.75>h(K_3)=0.75? Actually K3 hat number is 0.75, but they produce >? They construct D with ω=3 and h≈0.8, 초과함을 보인다. 이는 최대 클리크 크기만으로는 방향 그래프의 모자 수를 완전히 규정할 수 없다는 강력한 반례가 된다.

결과적으로, 이 연구는 방향 그래프에서의 모자 문제에 대한 이론적 틀을 확립하고, 최대 클리크 크기와 모자 수 사이의 관계가 무방향 경우와는 다르게 복잡하게 변함을 입증한다. 또한, 실제 전략 설계와 그래프 구성 방법을 통해 상한과 하한을 거의 맞출 수 있음을 시연함으로써, 향후 더 일반적인 비대칭 시야 모델에 대한 연구 기반을 제공한다.