무작위 CSP의 희소화에 대한 정확한 경계

초록

본 논문은 두 가지 무작위 CSP 모델( r‑partite 모델과 uniform 모델)에서 제약식의 최소 가중치 재구성을 통해 모든 변수 할당에 대해 만족도 값을 1±ε 로 보존할 수 있는 가장 작은 크기의 희소화 가능성을 정확히 규정한다. r‑partite 경우에는 AND 연산이 포함된 최대 복제 차수 c에 따라 n^c 개의 제약식이 필요하고, uniform 경우에는 c와 c+1 사이의 구간에서 희소화 가능성이 비단조적일 수 있음을 보이며, 각 술어 P 에 대한 구체적인 판정 절차를 제공한다.

상세 분석

이 논문은 기존의 최악‑사례 기반 CSP 희소화 연구와 달리 “전형적인” 무작위 인스턴스의 구조적 특성을 이용해 희소화 한계를 정밀하게 분석한다. 먼저 r‑partite 모델을 정의하고, 임의로 선택된 r 개의 파티션에서 각각 하나씩 변수를 뽑아 제약을 만든다. 여기서 핵심은 주어진 술어 P 가 포함할 수 있는 가장 큰 AND‑형태(즉, 변수들의 논리곱) 의 차수 c 를 찾는 것이다. 저자들은 c 가 k 이라면, 제약식 수 m 이 n^k 보다 작을 경우에는 어떠한 재가중치 방법으로도 1±ε 정밀도를 유지하는 희소화가 불가능함을 확률론적 하한을 통해 증명한다. 반대로 m ≥ n^k 이면, 독립적인 i.i.d. 샘플링(무작위 에지 선택)만으로도 O(n^k) 크기의 희소화를 얻을 수 있음을 상한으로 제시한다. 이 과정에서 기존의 “AND‑projection” 개념과는 달리 “AND‑restriction” 개념을 도입해, 변수들을 0·1 로 고정하는 제한만 허용함으로써 실제 무작위 인스턴스에 더 적합한 하위 구조를 포착한다.

uniform 모델에서는 제약식이 r 개의 서로 다른 변수를 무작위로 선택한다는 점에서 더 복잡한 거동을 보인다. 여기서도 동일하게 최대 AND 차수 c 를 정의하지만, 희소화 가능성의 전이점이 n^c 과 n^{c+1}  사이에 존재한다. 특히 m ∈