강력한 다항식 알고리즘으로 푸는 이차 비용 최소 흐름 문제

초록

**
이 논문은 각 간선의 비용이 볼록 이차 함수인 최소 비용 흐름 문제에 대해, 입력 크기만에 의존하는 강력한 다항식 시간 알고리즘을 제시한다. 또한 선형 효용과 지출 제약 효용을 갖는 Fisher 시장 균형을 같은 프레임워크로 해결하며, 각각 O(m⁴ log m), O(n⁴ + n²(m + n log n) log n), O(m n³ + m²(m + n log n) log m)의 실행 시간을 얻는다.

**

상세 분석

**
본 연구는 “분리 가능한 볼록 목적 함수”를 갖는 최소 비용 흐름 문제를 일반적인 선형 흐름 모델의 확장으로 바라본다. 기존의 Edmonds‑Karp 스케일링 기법과 Orlin이 제시한 강력한 다항식 알고리즘을 비선형 상황에 맞게 재구성했으며, 핵심 아이디어는 (Δ,F)-잔여 그래프와 F‑의사흐름(pseudo‑flow) 개념을 도입해 비용 함수의 1차 미분값을 스케일링 단계마다 근사적으로 사용한다는 점이다.

1. 오라클 모델: 각 간선 비용 C₍ᵢⱼ₎(·)는 값과 미분을 O(1) 시간에 반환하는 블랙박스 오라클로 가정한다. 추가로 두 가지 보조 오라클(Trial과 Adjust)을 정의해, 임의의 아크 집합 F와 수정된 수요 ˆb에 대해 KKT 조건을 만족하는 흐름을 선형 시스템으로 빠르게 구한다.

2. Δ‑스케일링: Δ를 크게 잡아 초기 흐름 f≡0을 (Δ,∅)-가능하게 만든 뒤, Δ‑단계에서는 (Δ,F)-잔여 그래프에서 Δ 단위의 최단 경로를 찾아 흐름을 전송한다. Δ/2 단계로 전이할 때는 Adjust 서브루틴을 이용해 기존 흐름을 약간 수정해 (Δ/2,F)-가능성을 유지한다.

3. 큰 흐름 아크의 식별: Orlin의 “4nΔ” 기준을 일반화해, Δ‑단계가 끝날 때 (2n+m+1)Δ 이상 흐름을 가진 아크가 반드시 최적 해의 지원 집합 F*에 포함된다는 사실을 증명한다. 이러한 아크를 “드러난(arcs revealed)”이라 부르고, 매 O(log n) 단계마다 하나씩 F에 추가한다.

4. F‑의사흐름과 Trial: F에 포함된 아크는 비음수 제약을 일시적으로 포기하고, 나머지 아크는 여전히 비음수 흐름을 유지한다. F와 수정된 수요 ˆb가 주어지면 Trial 오라클이 KKT 시스템을 풀어 정확한 흐름 값을 반환한다. 이때 시스템은 선형이므로 O(n²) 시간에 해결 가능하다.

5. 종료 조건: 모든 아크가 F에 포함되면 (즉, F=F*)가 되고, Trial을 호출해 최적 흐름 f*와 라그랑주 승수 π를 얻는다. 이후 단일 최대 흐름 계산으로 원시 해를 복원한다.

6. Fisher 시장 적용: 선형 효용 Fisher 시장은 비용 C₍ᵢⱼ₎(α)=α·logα−α 형태로 변환될 수 있으며, 이는 볼록 이차 함수와 동일한 오라클 구조를 갖는다. 지출 제약 효용의 경우 각 구매자‑상품 쌍에 대해 구간별 선형-이차 혼합 비용을 정의해 동일한 프레임워크에 삽입한다. 따라서 시장 균형을 찾는 문제도 위 알고리즘으로 강력한 다항식 시간에 해결한다.

이러한 설계는 일반적인 볼록 목적 함수에 대해 강력한 다항식 알고리즘이 존재하지 않음(고차 다항식 비용 함수에 대한 Hochbaum의 불가능성)이라는 기존 결과와 대비된다. 비용이 이차 형태일 때만 최적 해가 유리수이며, KKT 조건이 선형 시스템으로 귀결돼 오라클 기반 접근이 가능함을 이용한 것이 핵심이다.

**