하이퍼큐브 최소 해석 집합

초록

본 논문은 n차원 하이퍼큐브 Qⁿ에서 기존에 알려진 n개의 정점으로 구성된 해석 집합을 개선한다. n ≥ 5인 경우, 그 집합에서 하나의 정점을 제외한 n‑1개의 정점만으로도 모든 정점을 고유하게 구분할 수 있음을 증명하고, 이 집합이 최소 해석 집합임을 보인다.

상세 분석

해석 집합(resolving set)은 그래프 이론에서 정점들의 거리 벡터를 이용해 서로 구별할 수 있는 정점들의 부분집합을 의미한다. 일반적으로 해석 집합의 상위 집합은 여전히 해석 집합이지만, 하위 집합이 해석 집합이 되는 경우는 드물다. 따라서 최소 해석 집합(minimal resolving set)과 최소 크기의 해석 집합(minimum resolving set)을 찾는 문제는 그래프의 구조적 특성을 파악하는 중요한 연구 주제이다.

하이퍼큐브 Qⁿ는 2ⁿ개의 정점과 n·2ⁿ⁻¹개의 간선으로 구성된 정규 그래프이며, 각 정점은 n비트 이진 문자열로 표현된다. 두 정점 사이의 거리, 즉 해밍 거리는 해당 비트열의 차이 개수와 동일하다. 이러한 특성 때문에 거리 벡터를 이용한 구별이 비교적 직관적이지만, 전체 정점 수가 급격히 증가하므로 효율적인 해석 집합을 찾는 것이 도전 과제다.

Erdős와 Rényi(1963)는 Qⁿ의 n개의 정점, 구체적으로 각 좌표축에 해당하는 단위 벡터들을 모은 집합이 해석 집합임을 보였다. 이 집합은 각 정점의 거리 벡터가 서로 다른 n‑차원 정수 벡터가 되도록 보장한다. 그러나 이 집합이 최소인지, 혹은 더 작은 크기의 해석 집합이 존재하는지는 명확하지 않았다.

본 논문은 n ≥ 5에 대해 위의 n개 정점 집합에서 하나의 정점을 제거해도 여전히 모든 정점을 구별할 수 있음을 증명한다. 핵심 아이디어는 대칭성 및 거리 보존 특성을 활용해, 제거된 정점과 다른 정점들의 거리 차이가 최소 하나의 좌표에서 반드시 나타난다는 점을 보이는 것이다. 구체적으로, 첫 번째 좌표가 0인 정점들을 기준으로 거리 벡터를 전개하고, 제거된 정점이 차지하던 좌표가 다른 정점들의 거리 차이에 결정적인 영향을 미치지 않음을 수학적으로 전개한다.

또한, 이 n‑1개의 정점 집합이 최소 해석 집합임을 보이기 위해, 어떤 정점을 더 제거하면 두 개 이상의 정점이 동일한 거리 벡터를 갖게 되는 경우를 구성한다. 이를 위해 반대칭적인 정점 쌍을 선택하고, 해당 정점들이 모두 포함되지 않을 경우 거리 벡터가 동일해지는 상황을 명시적으로 제시한다. 결과적으로, n‑1개의 정점 집합은 더 이상 축소할 수 없는 최소 해석 집합이며, 이는 기존 n개의 집합보다 한 단계 더 최적화된 결과이다.

이 연구는 하이퍼큐브와 같은 고차원 이진 그래프에서 최소 해석 집합의 크기가 차원 n에 비해 선형적으로 감소할 수 있음을 보여준다. 또한, 최소 해석 집합을 찾는 알고리즘 설계 시 대칭성 및 거리 구조를 활용하는 전략이 유효함을 시사한다. 향후 연구에서는 n < 5인 경우의 특수 구조 분석, 다른 정규 그래프(예: 토러스, 격자)에서의 최소 해석 집합 존재 여부, 그리고 응용 분야(네트워크 라우팅, 로봇 탐색, 화학 구조 식별)와의 연계 가능성을 탐색할 여지가 크다.