볼록 집합 내 최대 부피 직사각형 탐색

초록

**
본 논문은 볼록 집합(다각형·다면체)을 정의하는 유한개의 부등식으로부터 축에 평행한 최대 부피(면적) 직사각형을 찾는 문제를 다룬다. 최적성 특성을 이론적으로 정립하고, 고차원에서는 내부점법 기반 최적화 모델을, 2차원에서는 파라미터화된 최적화와 두 개의 서브선형 근사 알고리즘을 제시한다. 또한 직사각형의 종횡비 상한을 제시하고, 기존 연구보다 빠른 (1‑ε) 근사 시간을 달성한다.

**

상세 분석

**
논문은 크게 네 가지 축을 중심으로 기여한다. 첫째, 저자는 기존 연구에서 제시된 MAIR(최대 면적 직사각형)의 구조적 특성을 강화한다. 특히, 볼록 다각형에서 최적 직사각형이 반드시 ‘두 대각선 꼭짓점이 경계에 놓이고 나머지는 내부 혹은 정점에 위치한다’는 세 가지 경우로 귀결된다는 정리를 간결한 증명과 함께 제시한다. 이는 기존에 “세 개의 비정점 꼭짓점이 존재하면 최적이 아니다”라는 부분적 결과를 일반화하고, 중앙대칭·축대칭 집합에 대해서도 동일한 성질을 확장한다.

둘째, 고차원(d‑dimensional) 문제에 대해 선형·볼록 최적화 모델을 구축한다. 변수는 직사각형의 중심과 각 축 방향 반길이이며, 제약은 각 축 방향으로의 거리 제한을 부등식 형태로 표현한다. 이 모델은 기존에 차원에 따라 지수적으로 늘어나는 제약을 피하고, 내부점법(interior‑point method)으로 풀 수 있게 설계되었다. 저자는 복잡도 O((d³+d²n)√n log n /ε) 를 갖는 (1‑ε) 근사 알고리즘을 제시하며, 이는 기존에 알려진 O(ε⁻³⁄²) 수준보다 현저히 개선된 것이다.

셋째, 2차원에서는 파라미터화된 최적화 접근을 도입한다. 직사각형의 방향 θ를 파라미터로 두고, 고정 θ에 대해 축에 평행한 최대 면적 직사각형을 선형 프로그램으로 해결한다. 이때 θ를 이분 탐색하거나 샘플링함으로써 전체 최적을 근사한다. 결과적으로, 방향이 고정된 경우 O(n √n log n/ε) 시간, 일반 MAIR 경우 O(ε⁻¹ n √n log n/ε) 시간에 (1‑ε) 근사를 얻는다.

넷째, 두 개의 서브선형 근사 알고리즘을 제시한다. 첫 번째는 볼록 다각형에 대해 O(ε⁻¹ log n) 시간에 MAIR을 찾는 방법이며, 두 번째는 일반 볼록 집합에 대해 O(ε⁻¹⁄² T_C + ε⁻¹ log ε⁻¹⁄²) 시간에 동일한 근사를 제공한다. 여기서 T_C는 집합에 대한 두 종류의 쿼리(거리·지원 함수) 수행 시간이다. 이 결과는 Cabello 등(2019)의 O(ε⁻³⁄²) 알고리즘을 크게 앞선다.

또한, 직사각형의 종횡비(Aspect Ratio)에 대한 상한을 두 개 제시한다. 하나는 입력 집합의 종횡비에 비례하는 상한, 다른 하나는 최소 외접 직사각형의 종횡비에 비례하는 상한이다. 비록 현재는 느슨한 상수만 제공하지만, 이는 알고리즘 분석에 필요한 충분한 경계이며 향후 tighter bound 연구의 출발점이 된다.

전반적으로 논문은 기하학적 직관과 볼록 최적화 이론을 결합해, 고차원 및 2차원 모두에서 실용적인 (1‑ε) 근사 알고리즘을 제공한다. 특히, 내부점법을 통한 고차원 근사와 파라미터화된 2D 접근은 기존 문헌에 없던 새로운 프레임워크이며, 다양한 응용(패턴 배치, 재료 절단 등)에서 직접 활용 가능성을 높인다.

**