분할 간선 트리 깊이 우선 탐색

초록

본 논문은 그래프의 분할‑간선 트리(Split‑by‑Edges Tree, SBET)에서 레이어별 탐색은 최댓값 독립 집합을 지수 시간에 찾지만, 깊이 우선 탐색(DFS)은 선형 시간에 독립 집합을 산출한다는 점을 확인한다. 다만 DFS의 성공률은 그래프 크기에 따라 크게 진동하며, 이는 알고리즘의 실용성을 평가할 때 중요한 변수로 작용한다.

상세 분석

본 연구는 Bræ ndeland(2015)가 정의한 Split‑by‑Edges Tree(SBET)를 기반으로 두 가지 탐색 전략을 비교한다. 레이어별(또는 BFS‑like) 탐색은 트리의 각 레벨을 순차적으로 조사하면서 현재까지 선택된 정점들의 인접성을 검사한다. 이 과정에서 모든 가능한 선택 조합을 탐색하게 되므로, 최댓값 독립 집합(Maximum Independent Set, MIS)을 보장하지만, 트리의 높이가 그래프의 정점 수 n에 비례하고 각 레벨에서의 분기 수가 평균적으로 2이상인 점을 고려하면 전체 복잡도는 O(2^{n}) 수준으로 급격히 증가한다.

반면 깊이 우선 탐색은 루트에서 시작해 한 경로를 끝까지 따라간 뒤, 되돌아가 다른 분기를 탐색하는 전통적인 DFS 방식을 적용한다. 이때 선택 기준은 현재 정점이 이미 선택된 정점들과 인접하지 않을 경우에만 포함시키는 단순한 ‘그리디’ 규칙이다. 결과적으로 알고리즘은 O(m+n) 시간, 즉 선형 시간에 독립 집합을 산출한다. 그러나 이 독립 집합이 최댓값인지 여부는 보장되지 않는다.

핵심적인 발견은 DFS 성공률, 즉 산출된 독립 집합이 실제 MIS와 일치할 확률이 그래프 크기 n에 따라 주기적인 진동을 보인다는 점이다. 실험에서는 n이 짝수일 때 성공률이 상대적으로 높고, 홀수일 때는 급격히 떨어지는 패턴이 관찰되었다. 이는 SBET의 구조적 특성—특히 각 레벨에서의 분할 방식이 정점 번호의 parity와 연관되는 경우—에 기인한다. 또한 그래프의 평균 차수와 클러스터링 계수가 높을수록 진동 폭이 확대되는 경향을 보였다.

이러한 진동 현상은 두 가지 실용적 함의를 가진다. 첫째, 단순 DFS만으로는 신뢰할 만한 근사 해를 제공하기 어렵지만, 그래프 크기와 구조에 대한 사전 정보를 활용해 탐색 시작점을 조정하거나, 특정 레벨에서 백트래킹을 제한하는 하이브리드 전략을 설계하면 성공률을 크게 향상시킬 수 있다. 둘째, 진동 패턴 자체가 그래프의 내부 토폴로지를 추정하는 메트릭으로 활용될 가능성을 시사한다. 예를 들어, 특정 n 구간에서 성공률이 급격히 감소한다면 해당 구간의 그래프가 높은 차수의 ‘핵심’ 정점을 포함하고 있음을 추론할 수 있다.

마지막으로, 논문은 기존의 MIS 근사 알고리즘과 비교했을 때, DFS 기반 SBET 탐색이 메모리 사용량과 구현 복잡도 면에서 매우 효율적임을 강조한다. 특히 대규모 네트워크에서 메모리 제한이 심각한 경우, 선형 시간·선형 공간 알고리즘으로서의 가치를 재평가할 필요가 있다.