수평 가시성 그래프와 단어 조합론의 특성화

초록

수평 가시성 그래프(HVG)는 순서가 있는 비음수 실수열에 대해 정의되는 그래프이며, 본 논문에서는 HVG가 외부 평면이며 해밀턴 경로를 갖는 그래프와 동치임을 증명한다. 이를 통해 HVG는 비교차(non‑crossing) 그래프임을 확인하고, 선형 시간 인식 알고리즘을 제시한다. 또한 순서 집합을 단어로 해석하여 ‘가시 쌍’ 개념을 도입하고, 다양한 서브패밀리를 조합론적 통계와 연결시켜 평균 간선 수의 점근적 식을 도출한다.

상세 분석

수평 가시성 그래프(HVG)는 시간 시계열 분석에 널리 활용되는 도구로, 각 데이터 포인트를 정점으로 두고 두 정점 사이에 수평선이 다른 모든 정점보다 높은 경우에만 간선을 연결한다는 직관적인 정의를 갖는다. 논문은 먼저 HVG의 구조적 특성을 탐구하여, 모든 HVG가 외부 평면(outerplanar)이며 동시에 그래프 전체를 한 번씩 방문하는 해밀턴 경로를 포함한다는 두 가지 동등한 조건을 제시한다. 외부 평면성은 그래프를 평면에 그렸을 때 모든 정점이 외부 면에 놓이며, 교차 간선이 존재하지 않음을 의미한다. 해밀턴 경로 존재는 정점들의 원래 순서가 그래프 내에서 그대로 유지된다는 점과 일치한다. 이 두 조건을 결합함으로써 HVG는 ‘비교차 그래프(non‑crossing graph)’라는 알제브라적 조합론 분야의 클래스로 귀속된다.

이러한 구조적 동등성은 실질적인 알고리즘적 파급 효과를 가진다. 외부 평면성과 해밀턴 경로 존재를 동시에 검사하는 절차는 입력된 실수열을 한 번 순회하면서 스택 기반의 삽입·삭제 연산을 수행하면 되므로, 전체 인식 복잡도는 O(n)이다. 이는 기존에 제시된 O(n log n) 혹은 O(n²) 알고리즘에 비해 현저히 효율적이며, 대규모 시계열 데이터에 실시간 적용이 가능함을 시사한다.

다음으로 논문은 순서 집합을 ‘단어’로 모델링한다. 각 실수값을 알파벳에 대응시켜 길이 n의 문자열 w = w₁w₂…wₙ을 만든 뒤, 두 위치 i < j가 ‘가시 쌍(visible pair)’인지 여부를 w_i와 w_j 사이의 모든 문자 w_k (i < k < j)가 w_i와 w_j보다 작다는 조건으로 정의한다. 이 정의는 HVG의 간선 생성 규칙과 정확히 일치한다. 따라서 HVG의 모든 간선은 단어 w에서의 가시 쌍에 대응한다.

이 관점을 이용해 저자들은 여러 서브패밀리를 구분한다. 예를 들어, 단조 증가(또는 감소) 문자열은 완전 그래프(K_n)를 생성하고, 피크와 밸리의 위치가 제한된 패턴은 특정 트리 구조를 만든다. 각 서브패밀리의 크기와 간선 수는 조합론적 통계(예: 상승 구간 수, 피크 수)와 직접 연결되며, 이를 통해 평균 간선 수 E_n을 정확히 추정한다. 논문은 복잡한 생성함수와 정밀한 비대칭 분석을 통해 E_n ~ 2n - O(log n)이라는 점근식(정확히는 2n - 4 + o(1))을 도출한다. 이는 임의의 무작위 실수열에 대해 HVG가 거의 선형 수의 간선을 갖는다는 직관과 일치한다.

마지막으로, HVG와 비교차 그래프 사이의 동형성은 기존 연구(Flajolet‑Noy의 비교차 매핑)와 연결되어, Catalan 수열, Dyck 경로, 그리고 비교차 매칭과 같은 풍부한 조합론적 구조를 HVG 분석에 직접 활용할 수 있음을 보여준다. 이러한 통합적 시각은 HVG를 단순히 시계열 분석 도구로 보는 것을 넘어, 깊은 수학적 성질을 가진 그래프 클래스로 재정의한다.