수학과 컴퓨터로 파티시안 게리맨더링을 해소하자

초록

본 논문은 효율성 격차(Efficiency Gap)라는 최신 측정 지표를 최소화하는 문제의 수학적 정의와 계산 복잡성을 분석하고, 실제 미국 4개 주의 선거구를 빠르게 “재구성”해 효율성 격차를 허용 수준 이하로 낮추는 알고리즘을 제시한다. 이론적 난이도와 실용적 해결 가능성을 동시에 조명한다.

상세 분석

논문은 먼저 효율성 격차를 정량화하기 위한 최적화 문제를 공식화한다. 입력은 인구와 정당별 투표 수가 부여된 격자형 셀들의 집합 P이며, 목표는 κ 개의 구역 Q₁,…,Q_κ 으로 균등 인구 분할(equipartition)하면서 각 구역의 효율성 격차 Effgap(Q) 의 절대값 합을 최소화하는 것이다. Lemma 1과 Corollary 2는 효율성 격차가 취할 수 있는 값이 유한한 유리수 집합에 한정된다는 중요한 구조적 특성을 밝혀, 탐색 공간을 이산화하고 동적 계획법이나 정수선형계획법 적용 가능성을 시사한다.

복잡도 측면에서 Theorem 4는 일반적인 경우 효율성 격차 최소화 문제가 NP‑hard이며, 심지어 RP = NP 가정 하에서도 무작위 지역 탐색이 다항 시간에 최적을 보장하지 못함을 증명한다. 이는 인위적으로 만든 병목형 인구 분포에서 최적화가 거의 불가능함을 의미한다. 그러나 현실 데이터는 이러한 최악의 경우와는 거리가 멀다. Theorem 10은 효율성 격차 최소화가 다항 시간에 해결될 수 있는 충분조건을 제시한다. 구체적으로, 구역이 y‑convex(즉, 수직 혹은 수평 방향으로 연속적인 형태)이라는 지오메트릭 제약을 두면, 선형 프로그래밍 기반의 분할 알고리즘이 최적 해를 찾을 수 있음을 보인다. Theorem 11은 위의 y‑convex 조건을 완화하여, 다각형이 일정 수준의 컴팩트성을 유지하면 근사 해를 다항 시간에 얻을 수 있음을 증명한다.

알고리즘 설계에서는 지역 탐색(local search) 기반의 무작위 휴리스틱을 제안한다. 초기 구역을 무작위로 생성한 뒤, 인구 균형과 효율성 격차 감소를 동시에 만족하는 셀 이동을 반복한다. 핵심 연산은 “Swap”과 “Shift”이며, 각 단계에서 효율성 격차가 감소하면 수용한다. 이 과정은 온도 파라미터나 마르코프 체인 전이 확률을 도입하지 않아 구현이 간단하고, 실험에서는 수천 번의 반복만으로도 만족스러운 결과를 얻었다.

실험에서는 2012년 미국 하원 선거 데이터를 사용해 텍사스, 버지니아, 위스콘신, 펜실베니아 4개 주의 기존 구역을 재구성하였다. 원본 효율성 격차는 각각 14.76 %, 4.09 %, 22.25 %, 23.80 %였으나, 제안 알고리즘을 적용한 후 각각 3.80 %, 3.33 %, 3.61 %, 8.64 %로 크게 감소하였다. 실행 시간은 수분 내에 완료되었으며, 구역의 컴팩트성도 크게 손상되지 않았다.

논문은 또한 “선거 승리 vs. 효율성 격차”, “컴팩트성 vs. 효율성 격차”, “원본 구역의 자연스러움”이라는 세 가지 실용적 이슈를 논의한다. 특히, 효율성 격차를 지나치게 낮추면 의도치 않은 ‘과도한 재배치’가 발생할 수 있음을 경고하고, 법적 기준에 부합하도록 적절한 목표값을 설정할 필요성을 강조한다. 마지막으로, 미국 대법원이 현재의 판결을 유지한다면, 본 연구에서 개발한 소프트웨어가 실제 법정에서 파티시안 게리맨더링을 교정하는 실용 도구가 될 수 있음을 제시한다.