프리오더링 문제의 부분 최적성 조건 및 효율적 알고리즘

초록

본 논문은 유한 집합 V와 각 순서쌍 ab에 부여된 실수값 c₍ab₎을 이용해 프리오더링(전순서) 문제의 최적 해를 찾는 과정에서, 일부 쌍에 대해 최적 해에 반드시 포함되거나 제외된다는 것을 효율적으로 판정할 수 있는 새로운 부분 최적성(partial optimality) 조건을 제시한다. 제안된 조건은 개선 맵(improving map) 이론에 기반하며, 이를 검증하는 다항 시간 알고리즘을 제공한다. 실험 결과, 기존 방법에 비해 “a ≰ b” 를 확정할 수 있는 쌍의 비율이 크게 증가함을 확인하였다.

상세 분석

논문은 먼저 프리오더링 문제를 전이 관계(transitive digraph)와 동치인 0‑1 변수 x₍pq₎ ∈ {0,1} (p≠q) 로 모델링하고, 제약식 x₍pq₎ + x₍qr₎ − x₍pr₎ ≤ 1 (∀ p,q,r ∈ V, 서로 다름) 으로 전이성을 강제한다. 목표는 φ_c(x)=∑_{pq}c₍pq₎x₍pq₎ 를 최대화하는 것이며, 이는 NP‑hard임을 기존 연구와 동일하게 인정한다.

핵심 기여는 ‘개선 맵(σ)’ 개념을 활용한 부분 최적성 조건이다. 정의 3.1에 따라 σ가 모든 x에 대해 φ(σ(x)) ≥ φ(x) 를 만족하면 σ는 개선 맵이며, Proposition 3.2·Corollary 3.3을 이용해 특정 변수의 값을 고정할 수 있는 충분조건을 도출한다.

두 종류의 기본 맵을 정의한다. 첫 번째는 ‘딕컷(dicut) 맵’ σ_δ(U,V\U) 로, U와 V\U 사이의 모든 방향성 간선을 0으로 만든다. 두 번째는 ‘조인(join) 맵’ σ_{ij} 로, i→j 를 1로 강제하면서 전이성을 유지하도록 다른 변수들을 적절히 업데이트한다. 각각 Lemma 5.2, 5.4에서 X_V(전이성 집합) 안에 닫혀 있음을 증명한다.

부분 최적성을 유지하면서 기존에 확정된 변수 집합 ˆx에 대해 새로운 맵을 적용하려면 ‘진실성(true to ˆx)’ 조건을 만족해야 한다. 이를 위해 변화 가능한 변수 집합 P_{01}