플랜트된 k분리 클리크 문제를 위한 볼록 최적화

초록

이 논문은 그래프에서 k개의 서로 겹치지 않는 큰 클리크를 찾아 최대한 많은 정점을 포함하도록 하는 k‑분리 클리크 문제를 다룬다. 문제는 NP‑hard하지만, 저자들은 플랜트된 클리크와 무작위·적대적 노이즈가 섞인 특수 입력에 대해 반정밀도 반정수 선형계획법(특히 반정밀도 반정수 SDP)이라는 볼록 완화(convex relaxation)를 제안하고, 이 완화가 다항 시간 내에 최적 해를 복구한다는 이론적 보장을 제공한다.

상세 분석

k‑분리 클리크 문제는 그래프 G=(V,E)에서 서로 겹치지 않는 k개의 클리크 C₁,…,C_k를 선택해 ∪_{i=1}^k |C_i|를 최대화하는 최적화 문제이다. 일반적인 경우는 NP‑hard이며, 기존의 탐욕적 혹은 근사 알고리즘은 해의 질이 보장되지 않는다. 저자들은 ‘플랜트된’ 모델을 가정한다. 즉, 실제 데이터는 k개의 큰 완전 그래프(플랜트된 클리크)와, 이들 사이에 무작위 혹은 적대적으로 삽입된 잡음 엣지와 잡음 노드들로 구성된다. 이러한 모델은 클러스터링에서 동일 군집 내 유사도가 높고 군집 간 유사도가 낮은 상황을 자연스럽게 반영한다.

핵심 기여는 이 플랜트된 인스턴스에 대해 반정밀도 반정수 반정밀도 반정수 SDP(semidefinite programming) 완화를 설계한 것이다. 변수 X∈ℝ^{n×n}를 도입해 X_{ij}=1이면 i와 j가 같은 클리크에 속함을, 0이면 속하지 않음을 의미하도록 하고, X를 대칭 양정(positive semidefinite)이며 대각선이 1인 행렬로 제한한다. 또한, 각 행의 합이 k가 되도록 하는 선형 제약을 추가해 “각 정점은 정확히 하나의 클리크에 속한다”는 조건을 완화한다. 목적 함수는 잡음 엣지를 최소화하는 형태, 즉 ∑{(i,j)∈E^c} X{ij}를 최소화한다.

이 SDP는 다항 시간에 풀 수 있으며, 저자들은 두 가지 주요 정리를 제시한다. 첫째, 잡음 엣지가 독립적인 베르누이(p) 모델로 생성되고, 각 플랜트된 클리크의 크가 Ω(√n) 이상이면, 적절히 작은 p에 대해 SDP 해가 정확히 플랜트된 클리크를 복원한다. 둘째, 적대적 잡음이 제한된 수(예: 전체 정점 수의 o(n) 수준) 이하일 때도 동일한 복구 보장이 성립한다. 증명은 ‘이중 인증서(dual certificate)’ 기법을 사용한다. 구체적으로, 최적해 X에 대한 라그랑주 승수와 KKT 조건을 만족하는 라그랑주 승수 행렬 Y를 구성하고, Y가 양정인 동시에 X와 직교함을 보인다. 이를 위해 잡음 엣지의 스펙트럼 상한과 플랜트된 클리크 내부 구조를 정밀히 분석한다.

또한, 저자들은 실험을 통해 이론적 경계가 실제 데이터에서도 유사하게 작동함을 확인한다. 무작위 그래프와 적대적 공격 시나리오 모두에서, 플랜트된 클리크가 약 0.1·n 규모이면 성공적으로 복구된다. 복구 실패 시에는 주로 잡음 엣지 비율이 이론적 한계를 초과하거나, 클리크 크기가 너무 작아 스펙트럼 구분이 어려워지는 경우이다.

이 논문의 의의는 두fold이다. 첫째, 클러스터링 문제를 그래프 이론과 반정밀도 반정수 최적화의 교차점에서 새로운 볼록 완화 기법으로 접근함으로써, 기존의 NP‑hard 문제에 대해 특정 구조적 가정 하에 정확한 다항 시간 해법을 제공한다. 둘째, 잡음 모델을 무작위와 적대적 두 가지로 모두 고려함으로써, 실무에서 마주치는 다양한 노이즈 상황에 대한 강건성을 이론적으로 입증한다. 한계점으로는 플랜트된 클리크의 최소 크와 잡음 비율에 대한 제한이 존재한다는 점이며, 이 조건을 완화하거나 더 일반적인 그래프 모델(예: 비균등 클리크 크기, 중첩 클리크)으로 확장하는 연구가 필요하다.