MWIS 데이터 축소 규칙 종합 조사

초록

본 논문은 최대 가중 독립 집합(MWIS) 문제와 그 연관 문제들에 적용되는 모든 기존 데이터 축소 규칙을 체계적으로 정리하고, 구현 코드와 함께 최신 솔버들의 발전 흐름을 조명한다. 이 규칙들은 다항 시간에 그래프를 축소하면서 최적 해를 보존하도록 설계되어, 브랜치‑앤‑리듀스와 휴리스틱 알고리즘의 성능을 크게 향상시킨다.

상세 분석

논문은 데이터 축소 규칙을 이론적 관점과 실용적 관점으로 구분한다. 이론적 측면에서는 커널화(kern­elization)와 고정‑파라미터 트랙터블(FPT) 기법을 기반으로, 해의 크기 k 에 대한 함수 f(k) 이상의 그래프 크기 상한을 제공하는 규칙들을 정리한다. 예를 들어, 차수‑1·2 정리, 트윈(twin) 규칙, 지배(domination) 규칙, 그리고 단순(simplicial) 정점 규칙은 각각 그래프의 정점·간선을 일정 비율로 감소시켜 커널 크기를 보장한다.

실용적 관점에서는 이러한 이론적 보장을 포기하고, 실제 인스턴스에서 높은 축소 비율을 보이는 휴리스틱 규칙들을 소개한다. 특히, 메타‑축소인 ‘이웃 제거(neighborhood removal)’와 ‘이웃 접기(neighborhood folding)’는 가중치 정보를 활용해 복합적인 구조를 한 번에 축소한다. 또한, ‘스트럭션(struction)’ 규칙은 정점 수를 직접 감소시키지는 않지만 그래프 구조를 변형해 후속 규칙 적용을 용이하게 만든다.

브랜치‑앤‑리듀스 솔버(K‑MIS, S‑BMS, MWCRedu 등)에서는 이러한 규칙들을 분기 단계마다 동적으로 적용함으로써, 분기 트리의 깊이를 크게 얕게 만든다. 실험 결과, 대규모 실세계 그래프(수백만 정점)에서도 평균 90 % 이상의 정점·간선을 제거하며, 기존 브랜치‑앤‑바운드 대비 해결 시간이 수십 배 가량 단축되는 것으로 보고된다.

휴리스틱 측면에서는 ‘reduce‑and‑peel’ 방식이 핵심이다. 정확한 축소 규칙을 우선 적용하고, 남은 부분에 대해 무작위 혹은 가중치 기반의 선택을 통해 진행한다. 이때, ‘우선순위 기반 탐색’, ‘탭 탐색’, ‘동적 가중치 조정’ 등 다양한 로컬 서치 기법이 결합되어, 최적에 근접한 해를 매우 짧은 시간에 도출한다.

마지막으로, 논문은 공개된 구현(https://github.com/KarlsruheMIS/DataReductions)을 통해 연구자들이 손쉽게 최신 축소 규칙을 적용하고, 새로운 규칙을 테스트할 수 있는 플랫폼을 제공한다. 이는 향후 규칙 설계와 비교 연구에 중요한 기반이 될 것으로 기대된다.