최대 차수 3 그래프에서의 TSP를 위한 정확 알고리즘: 회로 절단과 연결 구조에 대한 가중치 상쇄 기법

초록

본 논문은 정점 수 n인 최대 차수 3 그래프에서 여행 판매원 문제(TSP)를 해결하기 위해 O⁎(1.2312ⁿ) 시간·다항 공간 복잡도를 갖는 정확 알고리즘을 제시한다. 핵심은 처리되지 않은 간선이 형성하는 그래프의 ‘컷‑서킷’ 구조를 이용한 단일 분기 규칙이며, 인스턴스의 측정을 정점 가중치뿐 아니라 연결 성분 가중치까지 포함하도록 정의함으로써 측정‑정복 분석에서 추가적인 상쇄(amortization)를 수행한다. 이 기법은 기존의 O⁎(1.251ⁿ)·O⁎(1.260ⁿ) 알고리즘들을 능가한다.

상세 분석

이 연구는 최대 차수 3인 그래프에 특화된 TSP 해결법을 제시함으로써, 제한된 차수 구조가 제공하는 그래프 이론적 특성을 정밀하게 활용한다. 기존의 분기‑검색(branch‑and‑search) 방식은 일반적으로 여러 개의 복합적인 분기 규칙을 도입해 복잡도를 낮추려 했지만, 저자들은 ‘컷‑서킷(cut‑circuit)’이라는 새로운 구조적 관점을 도입했다. 여기서 컷‑서킷은 아직 처리되지 않은 간선들에 의해 형성된 연결 성분 중, 두 개 이상의 경로가 교차하면서 형성되는 폐회로와 그 주변의 절단 집합을 의미한다. 이러한 구조를 중심으로 단일 분기 규칙을 설계함으로써, 각 단계에서 그래프의 연결성 변화를 명확히 추적할 수 있다.

알고리즘의 효율성을 정량화하기 위해 저자들은 전통적인 ‘measure‑and‑conquer’ 기법을 확장했다. 기존 방식은 보통 정점 수 혹은 간선 수에 가중치를 부여했지만, 여기서는 각 연결 성분 자체에도 가중치를 할당한다. 즉, 인스턴스의 측정값 M은
M = Σ_{v∈V} w(v) + Σ_{C∈Components} w(C)
와 같이 정의된다. 이때 w(v)와 w(C)는 각각 정점과 성분의 구조적 복잡도(예: 차수, 서킷 길이, 절단 크기 등)를 반영한다. 이러한 정의는 분기 과정에서 한 성분이 여러 작은 성분으로 분리될 때 발생하는 ‘가중치 손실’을 다른 성분의 감소와 상쇄시켜, 전체 측정값 감소율을 더 정확히 예측한다.

분기 규칙 자체는 간단하다. 선택된 컷‑서킷의 한 간선을 포함시키는 경우와 제외하는 경우 두 갈래로 나뉘며, 각각의 경우에 따라 그래프의 차수와 연결성이 어떻게 변하는지를 정밀히 분석한다. 특히 차수가 3 이하인 정점이 남게 되면, 해당 정점은 자동으로 강제 선택 혹은 제거가 가능해, 추가적인 분기 없이도 문제를 축소시킬 수 있다. 이러한 구조적 제약은 분기 트리의 깊이를 크게 억제한다.

복잡도 분석에서는 각 분기 단계에서 측정값 M이 최소한 0.2312배 이상 감소한다는 사실을 증명한다. 이는 기존 연구에서 제시된 0.251·n·log₂(…) 혹은 0.260·n·log₂(…) 수준보다 현저히 낮은 감소율이며, 결국 전체 알고리즘의 시간 복잡도가 O⁎(1.2312ⁿ)으로 귀결된다. 또한, 모든 연산은 현재 그래프와 그 연결 성분 정보를 유지하는 정도의 다항 공간만을 필요로 하므로, 메모리 사용량도 실용적인 수준에 머문다.

이 논문의 핵심 기여는 두 가지다. 첫째, ‘컷‑서킷’이라는 새로운 구조적 관점을 도입해 단일 분기 규칙만으로도 충분히 강력한 감소 효과를 얻었다는 점이다. 둘째, 인스턴스 측정에 연결 성분 가중치를 포함하는 상쇄(amortization) 기법을 통해 기존의 측정‑정복 분석을 한 단계 끌어올렸다는 점이다. 이러한 아이디어는 차수 제한이 있는 다른 NP‑hard 문제에도 확장 가능성이 높으며, 특히 그래프의 연결성 변화를 정밀히 추적할 수 있는 상황에서 유용하게 적용될 수 있다.