지역성 제한 마스터마인드의 복잡도와 난이도

초록

본 논문은 퍼뮤테이션 마스터마인드에서 연속 추측 간의 차이가 제한된 ℓₖ‑local 및 wₖ‑local 전략의 최적 추측 수를 분석한다. ℓₖ‑local 적응 전략은 최악의 경우 Θ(n²)에 가까운 하한을 가지며, 비지역적 O(n log n) 전략보다 현저히 비효율적이다. 정적 ℓₖ‑local 전략도 비슷한 차원을 보이며, w₂‑local 정적 전략은 Θ(n²)임을 보인다. 또한 ℓ₃‑local 만족성 문제는 NP‑hard이며, ℓ₂‑local 경우는 무작위 다항시간 알고리즘으로 해결 가능함을 제시한다.

상세 분석

논문은 먼저 퍼뮤테이션 마스터마인드 게임을 정식화하고, 연속 추측 πₜ와 πₜ₊₁ 사이의 차이를 두 가지 방식으로 제한한다. ℓₖ‑local은 두 추측이 서로 다른 위치가 k개 이하인 경우이며, wₖ‑local은 그 차이가 연속된 길이 k의 윈도우 안에 존재하도록 강제한다. 이러한 제한은 실제 TikTok 인플루언서들이 한 번에 하나의 전치만 시도하는 현상을 모델링한다.
주요 결과는 ℓₖ‑local 적응 전략에 대해 n²−3n²/k ≤ A_ℓ(n,k) ≤ n²·log n/k·(1+o(1))이라는 상하한을 보이며, 이는 k가 상수일 때 Θ(n²) 수준임을 의미한다. 정적 ℓₖ‑local 전략은 n²−(1+o(1))·n^{3/2}/k ≤ S_ℓ(n,k) ≤ 28·n·log n·C(n−1,k−1)이라는 경계를 갖는다. w₂‑local 정적 경우는 Θ(n²)임을 정확히 규명한다.
하한 증명에서는 “관대한 코코메이커” 모델을 도입한다. 코코메이커는 각 추측에서 정확히 어떤 위치가 맞는지 알려주어 정보량을 최대화한다. 이 모델에서 가능한 비밀들의 그래프 Pₜ를 정의하고, 완전 매칭이 유일하려면 그래프가 매우 희소해야 함을 보인다. 특히 최소 차수가 2인 이분 그래프는 유일 매칭을 가질 수 없다는 관찰을 이용해, 매 단계마다 최소 n/k개의 에지를 제거해야 함을 증명한다. 하위 그래프의 극한 사례로는 절반 그래프(Hₙ)가 사용되어 경계가 조밀함을 확인한다.
NP‑hardness 결과는 ℓ₃‑local 만족성 문제를 기존의 마스터마인드 NP‑hardness 증명에 변형하여 얻는다. 반면 ℓ₂‑local 경우는 Geelen‑Kapadia의 짝짓기 알고리즘을 활용해 무작위 다항시간 알고리즘을 설계한다. 이는 차이가 2 이하일 때 그래프 구조가 충분히 단순해져서 효율적인 매칭 찾기가 가능함을 의미한다.
전체적으로 논문은 지역성 제한이 전략의 효율성을 급격히 저하시키며, 인간이 직관적으로 사용하는 “한 번에 하나씩 전치” 방식이 이론적으로도 최악에 가깝다는 점을 강조한다. 또한 Cayley 그래프 관점에서 다른 생성자 집합을 탐구하는 미래 연구 방향을 제시한다.