버클린 폴백 플루리티 투표의 제어 복잡성 실험 분석

초록

본 논문은 NP‑hard로 알려진 투표 제어 문제를 버클린, 폴백, 그리고 플루리티 투표에 대해 실험적으로 조사한다. 다양한 후보·유권자 추가·삭제·분할 시나리오와 무작위·정규·실제 데이터 모델을 활용해 알고리즘 성능을 평가했으며, 이론적 난이도와 달리 대부분의 경우 실용적으로 해결 가능함을 보여준다.

상세 분석

논문은 먼저 투표 제어(control) 문제의 정의를 명확히 하고, 후보 추가·삭제, 유권자 추가·삭제, 후보·유권자 분할(partition) 등 12가지 기본 시나리오를 제시한다. 버클린 투표와 폴백 투표는 각각 후보 순위와 승인·순위 혼합 방식을 사용해 승자를 결정하는데, 이 두 시스템은 기존 연구에서 NP‑hard 제어 저항성을 보였음에도 불구하고 실제 인스턴스에서의 난이도는 미지였다. 플루리티 투표는 가장 단순한 다수제이지만, 초기 연구에서 제어에 대한 저항성이 가장 강한 것으로 보고된 바 있다.

실험 설계는 세 가지 투표 분포 모델을 포함한다. 첫째, 무작위 균등 모델(Uniform Random)에서는 각 유권자가 후보 순위를 무작위로 선택한다. 둘째, 정규 분포 모델(Normal Distribution)에서는 후보 선호도가 평균을 중심으로 정규적으로 분포한다. 셋째, 실제 선거 데이터를 기반으로 한 실험 모델은 실제 정치·학술 선거 기록을 재현한다. 각 모델마다 후보 수(m)와 유권자 수(n)를 4가지 규모(소형 20·30, 중형 50·100, 대형 100·500, 초대형 200·1000)로 변형해 총 48개의 파라미터 조합을 만든다.

알고리즘 측면에서는 기존의 NP‑hard 문제 해결을 위한 정확 알고리즘(예: ILP 기반, Branch‑and‑Bound)과 휴리스틱(예: 그리디, 로컬 서치)을 모두 구현했다. 특히 후보 추가·삭제 문제는 제한된 후보 집합에서 최적 해를 찾는 것이 가능하므로 완전 탐색을 적용했으며, 분할 문제는 두 단계로 나누어 각 파티션에 대한 승자 계산을 병렬화했다. 실험은 동일한 하드웨어 환경(8코어 CPU, 32GB RAM)에서 파이썬·C++ 혼합 구현으로 수행했으며, 각 인스턴스당 평균 실행 시간을 0.01초에서 12초 사이로 기록했다.

결과는 크게 두 가지 인사이트를 제공한다. 첫째, 후보 수가 유권자 수에 비해 작을 때(예: m ≤ 20, n ≥ 200) 대부분의 제어 시나리오가 1초 이내에 해결되었으며, 이는 NP‑hard 이론적 경계가 실제 데이터에서는 크게 완화된다는 것을 의미한다. 둘째, 폴백 투표는 후보 추가·삭제에서 가장 강한 저항성을 보였지만, 후보 분할(partition)에서는 비교적 쉽게 조작될 수 있었다. 버클린 투표는 전체적으로 균형 잡힌 저항성을 보였으며, 특히 유권자 삭제(delete‑voter) 문제에서 실행 시간이 급격히 증가했지만 여전히 실용적인 수준을 유지했다. 플루리티 투표는 가장 빠른 실행 시간을 기록했지만, 후보 추가·삭제에 대한 저항성이 가장 낮아 실제 선거 설계 시 주의가 필요함을 시사한다.

또한, 무작위 모델보다 정규·실제 모델에서 제어 난이도가 다소 상승했으며, 이는 선호도 구조가 더 뚜렷할수록 최적 제어 전략을 찾기가 어려워진다는 점을 보여준다. 논문은 이러한 실험 결과를 바탕으로 “NP‑hardness는 최악의 경우 복잡도만을 의미한다”는 일반적인 오해를 정정하고, 투표 시스템 설계 시 이론적 저항성뿐 아니라 실험적 난이도 평가가 필수적임을 강조한다.