구성 LP를 활용한 최대 예산 할당 문제 연구

초록

본 논문은 최대 예산 할당(MBA) 문제에 대해 기존 할당 LP보다 강력한 구성(configuration) LP의 적분성 차이를 분석한다. 제한된 두 특수 경우(동일 예산·동일 가치 제한, 그리고 각 아이템이 최대 두 명에게만 할당 가능한 그래프 MBA)에서 구성 LP의 적분성 차이가 3/4보다 크게 나타남을 보이고, 이를 이용한 다항시간 근사 알고리즘을 제시한다. 또한 일반 경우의 적분성 차이 상한을 5/6에서 2√2‑2≈0.828로 개선하고, 두 특수 경우에 대해 15/16 이하의 근사 비율은 NP‑Hard임을 증명한다.

상세 분석

Maximum Budgeted Allocation(MBA) 문제는 각 플레이어가 개별 예산 (B_i)를 가지고, 아이템 (j)에 대해 가격 (p_{ij}\le B_i)가 주어질 때, 아이템을 서로 겹치지 않게 배정하여 (\sum_i\min{B_i,\sum_{j\in S_i}p_{ij}})를 최대화하는 NP‑Hard 문제이다. 기존 연구에서는 할당 LP가 적분성 차이 (3/4)를 보이며, 이는 현재 알려진 최적 근사 비율과 일치한다. 그러나 할당 LP는 아이템이 플레이어에게 부분적으로 할당되는 경우를 허용하기 때문에, 실제 정수 해의 구조를 충분히 포착하지 못한다. 이를 보완하기 위해 구성 LP는 각 플레이어가 가질 수 있는 ‘구성’(즉, 할당될 아이템 집합) (C\subseteq Q)에 대한 변수 (y_{iC})를 도입하고, 각 아이템이 최대 하나의 구성에만 포함되도록 제약한다. 이로써 구성 LP는 할당 LP보다 엄격히 강한 완화가 된다.

논문은 두 가지 구조적 제한을 통해 구성 LP의 강점을 구체화한다. 첫 번째는 Restricted MBA로, 모든 플레이어가 동일한 예산을 가지며, 아이템 (j)가 가질 수 있는 가격이 0 또는 일정값 (p_j)인 경우이다. 두 번째는 Graph MBA로, 각 아이템이 최대 두 명의 플레이어에게만 할당 가능하다는 그래프 구조를 갖는다. 두 경우 모두 할당 LP의 최악 인스턴스가 만족하는 (i) 두 플레이어만이 아이템에 양의 가격을 갖는다, (ii) 예산이 동일하다, (iii) 가격이 0 또는 (p_j)이다 라는 특성을 활용한다.

Graph MBA에 대해서는, 구성 LP 해를 무작위로 아이템에 할당하면 기대값이 최소 (3/4) 를 보장한다. 여기서 남은 아이템을 예산이 아직 초과되지 않은 플레이어에게 추가 배정함으로써, 두 번째 단계에서 얻는 기대 수익을 정밀히 분석한다(특히 Lemma 11). 이 과정에서 아이템이 두 플레이어에만 연결될 수 있기 때문에, 매칭 기반의 라운딩이 효율적으로 동작한다.

Restricted MBA에서는 단순 무작위 할당이 (1-1/e) 정도만 회복하므로, 새로운 라운딩 전략이 필요하다. 저자들은 먼저 ‘잘 구조화된’ LP 해(대다수 플레이어가 고가 아이템에 예산의 절반 이상을 할당받는 경우)를 정의하고, 이러한 경우에 큰 아이템(가격이 예산에 가깝게 큰)들을 부정적 상관을 갖는 무작위 이분 매칭으로 할당한다. 이때 Gandhi·Khuller·Pattabiraman·Srinivasan의 부정적 상관 매칭 기법(Theorem 2)을 활용해, 두 플레이어가 동시에 큰 아이템을 받는 확률을 독립 사건보다 작게 만든다. 큰 아이템을 할당한 뒤 남은 공간에 작은 아이템을 채우면, 전체 기대 수익이 (3/4 + c) (상수 (c>0))를 초과한다. 반면, ‘구조가 좋지 않은’ LP 해에 대해서는 기존의 버킷 알고리즘(Algorithm 1)을 적용해 (1-1/e) 정도 회복하고, 전체적으로는 여전히 (3/4 + c) 근사를 달성한다.

일반 MBA에 대해서는 구성 LP의 적분성 차이 상한을 기존 (5/6) 에서 (2\sqrt{2}-2\approx0.828) 으로 개선한다. 이는 구성 LP의 듀얼을 이용한 새로운 해석과, 특정 구조의 인스턴스를 설계해 상한을 엄격히 제한함으로써 얻어진 결과이다.

마지막으로, 두 특수 경우 모두에 대해 NP‑Hardness 결과를 제시한다. Restricted MBA는 15/16보다 높은 근사 비율을 달성하는 것이 NP‑Hard이며, 이는 일반 MBA에 대한 기존의 15/16 난이도와 일치한다. 이러한 난이도 결과는 구성 LP가 강력하지만, 근본적인 근사 한계가 존재함을 보여준다.

요약하면, 논문은 구성 LP가 할당 LP보다 엄격히 강함을 두 특수 경우에서 정량적으로 입증하고, 부정적 상관 매칭과 버킷 기반 라운딩을 결합한 새로운 다항시간 알고리즘을 제시함으로써 기존 3/4 근사 한계를 돌파한다. 또한 일반 경우의 적분성 차이 상한을 크게 낮추고, 제한된 경우의 근사 난이도를 정확히 규명함으로써 MBA 문제에 대한 이론적 이해를 한 단계 끌어올렸다.