스마트 로또를 활용한 학교 선택 사전 파레토 개선과 사후 안정성

초록

본 논문은 학교 선택에서 기존의 무작위 동점 깨기와 지연 수락(DA) 알고리즘이 만든 확률 매칭을, 사전 확률 우위(sd‑dominance)를 보장하면서도 사후에 안정적인 매칭으로 구현할 수 있는 ‘스마트 로또’ 메커니즘을 제안한다. 이를 위해 무작위 매칭을 ex‑post stable하게 유지하면서 평균 순위가 최소가 되는 sd‑효율적 매칭을 찾는 NP‑hard 문제를 정수 계획과 컬럼 생성 기법으로 해결하고, 실험을 통해 기존 방법 대비 복지 향상이 크게 나타남을 입증한다.

상세 분석

이 연구는 두 가지 핵심 개념을 결합한다. 첫째는 확률 매칭의 사전 파레토 개선, 즉 모든 학생‑학교 쌍에 대해 더 높은 선호도 학교를 얻을 확률이 비감소하고 적어도 하나는 엄격히 증가하는 sd‑improvement를 의미한다. 둘째는 이러한 개선된 무작위 매칭이 사후에 안정적인 매칭들의 가중합으로 분해될 수 있어야 한다는 ex‑post stability 조건이다. 기존의 DA‑with‑lottery는 각 동점 집합을 무작위로 깨고 나면 결과는 안정적이지만, 확률적 효율성은 보장되지 않는다. 저자들은 이를 보완하기 위해 PIRMES(Parity‑Improving Random Matchings under Ex‑post Stability) 프레임워크를 정의하고, 특히 DA‑PIRMES 절차를 제시한다.

절차는 세 단계로 구성된다. STEP 0에서는 기존 DA와 균등 동점 깨기로 얻은 무작위 매칭 p를 계산한다. STEP 1에서는 p를 sd‑dominates하면서 평균 순위가 가능한 한 크게 개선되는 q를 찾는다. 여기서 q는 반드시 ex‑post stable이어야 하며, 이를 만족하지 못하면 p를 그대로 반환한다. STEP 2에서는 q를 안정적인 매칭들의 convex combination으로 분해하고, 실제 로또를 진행한다.

핵심 기술적 난제는 “ex‑post stable이면서 sd‑efficient한 무작위 매칭을 찾는 문제”가 NP‑hard임을 증명한 점이다. 저자들은 이를 해결하기 위해 컬럼 생성 기반의 정수 프로그램을 설계한다. 초기 컬럼(안정 매칭) 집합을 구한 뒤, 마스터 문제에서 평균 순위 최소화를 목표로 하고, 서브문제에서는 현재 해를 개선할 새로운 안정 매칭을 탐색한다. 이 반복 과정을 통해 최적성 인증을 얻을 때까지 컬럼을 추가한다.

이론적 결과로는 (1) 평균 순위 개선을 목표로 한 constrained‑sd‑efficiency 검증이 NP‑hard, (2) 약한 안정 매칭 사이의 파레토 개선 경로 탐색이 NP‑hard, (3) 전체 약한 안정 매칭의 균등 조합을 구하는 문제도 NP‑hard임을 제시한다. 또한, 전략적 조작을 방지하면서 ex‑post stable 및 constrained‑sd‑efficient한 메커니즘은 존재하지 않음을 증명한다.

실험에서는 생성된 무작위 인스턴스와 실제 에스토니아 유치원 배정 데이터를 사용했다. 결과는 스마트 로또가 기존 Erdil‑Ergin(EE) 방법보다 개선 학생 비율이 최소 2배, 평균 순위 개선폭이 4~6배 더 크다는 것을 보여준다. 특히, 일부 구조적 특성(예: 선호 리스트 길이 제한, 학교 용량 1)에서는 기존 효율성 조정 DA(EADA)조차도 sd‑dominance를 만족하지 못하는 경우가 있었지만, 제안 메커니즘은 이를 뛰어넘는 성과를 기록했다.

전체적으로 이 논문은 학교 선택과 같은 다대일 매칭 시장에서 “사전 효율성 + 사후 안정성”이라는 두 마리 토끼를 동시에 잡는 새로운 설계 원칙을 제시하고, 복잡도 이론과 운영 연구 기법을 결합해 실용적인 해결책을 제공한다는 점에서 큰 의의를 가진다.