제한된 무작위성으로 3 이하 왜곡을 깨는 투표 규칙

초록

본 논문은 메트릭 왜곡 프레임워크에서, 후보군 중 상수 개수만을 균등하게 무작위 선택하는 “제한된 무작위성”을 이용해 왜곡 상한 3을 엄격히 넘지 않는 새로운 투표 규칙을 제시한다. 핵심은 Maximal Lottery와 Stable Lottery의 구조적 특성을 이용해, 상수 개의 표본으로 구성된 분포가 기대 왜곡 3‑ε를 보장함을 증명하고, 이를 다항시간 알고리즘으로 구현한다. 또한, 이러한 규칙이 편향 메트릭에서도 동일한 성능을 유지함을 보이며, 위원회 선택 문제와의 연관성도 논의한다.

상세 분석

메트릭 왜곡 문제는 후보와 유권자를 동일한 거리 공간에 배치하고, 투표 규칙이 순위 정보만으로 사회적 비용(전체 거리)의 최소화를 얼마나 잘 근사하는가를 평가한다. 기존 결과에 따르면, 모든 결정론적 규칙은 왜곡 최소 3을 넘을 수 없으며, 무작위 규칙은 3‑ε 수준까지 개선 가능하지만, 무작위성의 규모가 제한되지 않아 투명성·해석가능성에 문제가 있었다. 본 논문은 “bounded randomness”라는 제약 하에, 즉 사전에 정해진 상수 k 개의 후보만을 균등하게 선택하도록 제한하면서도 왜곡 3‑ε를 달성한다는 질문에 긍정적으로 답한다.

핵심 기술은 두 가지 구조적 결과에 기반한다. 첫째, Maximal Lottery(ML)의 지원 후보 중 어느 하나를 선택해도 왜곡이 4 + √17 < 8 이하라는 강인한 상한을 보인다. 이는 기존에 기대값만을 분석하던 접근을 넘어, 실현된 선택마다 일정 수준 이하의 왜곡을 보장한다는 의미다. 둘째, ML을 직접 사용하면 지원 크기가 선형이므로 제한된 무작위성에 부합하지 않으므로, ML에서 상수 개(ε에 의존)의 표본을 추출해 만든 분포가 “근사 ML”이면서도 왜곡 3 + ε를 유지한다는 것을 증명한다. 이때 Dvoretzky‑Kiefer‑Wolfowitz(DKW) 부등식과 새로운 “대표 근사 복권”(Representative Approximate Lottery) 개념을 도입해 표본 수가 유권자·후보 수와 무관하게 확률적 보장을 얻는다.

또한, 편향 메트릭(biased metrics)이라는 최악의 경우를 분석하는 프레임워크를 활용한다. 편향 메트릭에서 (α,β)-일관성을 만족하면 기존 무작위 규칙들의 왜곡이 3 이하임을 알 수 있는데, 본 논문은 제안 규칙이 이러한 메트릭에서도 동일하게 작동함을 보인다. 마지막으로, 제한된 무작위성을 실제 알고리즘으로 구현하기 위해, 후보들의 작은 멀티셋을 순차적으로 열거하고 각 멀티셋이 만든 균등 분포의 왜곡을 계산해 3‑ε 이하가 되는 첫 번째 멀티셋을 선택한다. 지원 크기가 상수이므로 전체 탐색은 다항시간에 끝난다.

이러한 결과는 위원회 선택(다수 후보를 동시에 선택) 문제에도 확장 가능함을 시사한다. 후보가 여러 좌석을 차지하도록 허용하면, 충분히 큰 위원회 크기 k에 대해 동일한 왜곡 개선을 deterministic하게 달성할 수 있다. 따라서 제한된 무작위성은 투명성을 유지하면서도 기존 무작위 규칙이 제공하던 효율성을 거의 그대로 가져올 수 있음을 보여준다.