색상 제한 배낭 문제: 구조적 특성 및 정확 알고리즘

초록

색상별로 구분된 아이템을 연속해서 같은 색이 나오지 않게 배치해야 하는 색상 배낭 문제(CKP)를 정의하고, 이 문제가 약한 NP‑hard임을 증명한다. 두 개의 동적 계획법(DP) 알고리즘을 제시하며 각각 O(b n⁴)와 O(b² n³) 시간 복잡도를 갖는다. 색상 제약을 이용한 지배·가지치기 규칙을 도입해 실험 성능을 크게 향상시킨다. 또한 LP 완화 해는 최대 두 개의 아이템만 부분적으로 선택될 수 있음을 보이고, 이를 O(n) 시간에 해결할 수 있음을 보여준다. 광범위한 벤치마크 실험에서 제안 DP가 최신 MIP 솔버보다 우수한 결과를 얻는다.

상세 분석

본 논문은 기존의 고전적 배낭 문제(KP)에 색상 제약을 추가한 새로운 변형인 색상 배낭 문제(CKP)를 체계적으로 연구한다. 먼저 아이템을 색상 집합 C={1,…,m}에 할당하고, 선택된 아이템을 순서대로 나열했을 때 인접한 두 아이템이 동일 색이 되지 않도록 하는 제약을 수식화한다. 이 제약은 각 색상 c에 대해 “색상 c의 선택 개수 ≤ 다른 색상의 선택 개수 + 1”이라는 선형 부등식으로 표현되며, ILP CKP 모델(2)에 포함된다.

이론적 분석에서는 LP 완화(LP CKP)의 구조를 탐구한다. LP KP와 마찬가지로 최적 해는 극점에서 얻어지며, 극점에서는 활성 제약이 n개가 필요하다. 색상 제약은 동시에 두 개 이상 활성화될 수 없으므로, 비경계 제약은 최대 두 개(용량 제약과 하나의 색상 제약)만 활성화된다. 따라서 나머지 n‑2개의 변수는 0 또는 1로 고정되어, 최적 해에서 부분적으로 선택되는 변수는 최대 두 개뿐이다. 이는 Lemma 1에서 증명되며, 부분 변수 두 개가 동일 색상에 속하거나 서로 다른 색상에 속할 수 있음을 보여준다.

또한, LP KP의 최적 해가 색상 제약을 위반하는 경우, 해당 색상이 LP CKP에서 반드시 “critical”(제약이 정확히 등호가 되는) 색상이 된다는 Lemma 2를 제시한다. 이를 통해 LP KP의 해를 이용해 어떤 색상이 critical인지 빠르게 판단할 수 있다. 결과적으로 LP CKP는 O(n) 시간에 해결 가능함을 증명한다. 이는 고전 KP의 선형 시간 알고리즘과 동일한 복잡도를 가지며, 색상 제약을 추가하면서도 계산량이 크게 증가하지 않음을 의미한다.

알고리즘 설계 부분에서는 두 가지 DP 접근법을 제안한다. 첫 번째 DP는 아이템을 하나씩 순차적으로 고려하면서 상태를 (용량, 색상별 선택 개수 차이) 형태로 저장한다. 상태 전이 과정에서 색상 제약을 검사하고, 지배 규칙을 적용해 불필요한 상태를 제거한다. 이 방법의 시간 복잡도는 O(b n⁴)이며, 메모리 요구량도 다항식 수준이다.

두 번째 DP는 색상별로 서브문제(각 색상의 내부 배낭 문제)를 해결한 뒤, 외부 레벨에서 색상 간 조합을 수행하는 분할 정복 형태이다. 내부 서브문제는 전통적인 KP DP와 동일하게 O(b n) 시간에 해결되며, 외부 레벨에서는 색상 간 균형을 맞추는 추가 제약을 고려한다. 전체 복잡도는 O(b² n³)으로, 첫 번째 알고리즘보다 실용적인 경우가 많다. 두 DP 모두 색상 지배 규칙(특정 색상의 선택 개수가 다른 색상보다 크게 차이나면 해당 상태는 지배됨)과 가지치기 규칙(용량 초과, 색상 불균형, 상한 초과 등)을 통해 탐색 공간을 크게 축소한다.

실험에서는 CBPP(색상 bin packing problem)의 가격 서브문제로부터 파생된 500여 개의 CKP 인스턴스를 구축하였다. 인스턴스는 아이템 수 n, 색상 수 m, 용량 b 등 다양한 파라미터를 변형해 생성했으며, 각 인스턴스에 대해 제안 DP와 최신 상용 MIP 솔버(Gurobi, CPLEX)의 실행 시간을 비교했다. 결과는 대부분의 경우 DP가 MIP 솔버보다 5배~20배 빠르게 최적 해를 찾았으며, 특히 색상 수가 많고 용량이 큰 인스턴스에서 그 차이가 두드러졌다. 또한, DP는 메모리 사용량도 합리적인 수준을 유지했으며, 지배·가지치기 규칙이 적용되지 않은 기본 DP와 비교했을 때 평균 60% 이상의 상태를 제거함을 확인했다.

논문의 마지막에서는 연구의 한계와 향후 과제를 제시한다. 현재 알고리즘은 약한 NP‑hard 특성을 이용해 다항식 시간에 근사해를 구할 수 없으며, 강한 NP‑hard 변형(예: 색상 수가 입력 크기에 비례)에서는 확장성이 제한된다. 향후 연구에서는 색상 제약을 그래프 이론적 관점에서 모델링하거나, 메타휴리스틱(탐욕, 유전 알고리즘)과 결합해 대규모 실시간 응용에 적용하는 방안을 제안한다.