분해 가능한 공간에서의 k‑서버 문제를 위한 무작위 알고리즘

본 논문은 온라인 알고리즘 분야에서 핵심적인 k‑서버 문제를, 특히 메트릭 공간이 ‘넓게 분리된’ 서브스페이스들로 구성된 경우에 초점을 맞추어 연구한다. 기존 연구에서는 일반 메트릭 공간에 대해 k‑경쟁비(결정적) 혹은 Θ(log k) 경쟁비(무작위) 알고리즘이 알려져 있으나, 이러한 상한은 대부분 최악의 경우에 대한 것이며, 실제 구조적 특성을 활용하면 더 나은 결과를 얻을 수 있다는 점에 착안한다. 1. **문제 정의 및 배경** k‑서버 문제는 k개의 이동 가능한 서버가 주어지고, 연속적으로 들어오는 요청 지점을 즉시 서비스해야 하는 온라인 최적화 문제이다. 목표는 전체 이동 거리(비용)를 최소화하는 것이며, 온라인 알고리즘의 성능은 경쟁비(c)로 평가한다. 결정적 버전에서는 k‑경쟁비가 하한이며, 무작위 버전에서는 Θ(log k) 경쟁비가 conjecture로 제시되고 있다. 2. **µ‑Decomposable 메트릭 공간** 저자는 메트릭 공간을 t개의 블록 B₁,…,B_t 로 분할하고, 각 블록의 직경을 δ, 서로 다른 블록 간 거리를 정확히 Δ라 정의한다. Δ/δ=µ≥k 인 경우를 µ‑decomposable 라 부른다. 이러한 구조는 HST(계층적 분리 트리)와 밀접하게 연관되며, 특히 µ‑HST(높이가 제한된 트리)에서는 블록 간 거리가 급격히 감소하는 특성을 갖는다. 3. **알고리즘 설계 – Algorithm X** 기존에 존재하는 무작위 알고리즘 A(ℓ) (ℓ개의 서버를 사용하는 경우)와 함수 f(ℓ) (f(ℓ)·log ℓ이 단조 감소)를 전제로, 전체 시스템을 블록 단위로 조정하는 Algorithm X를 제시한다. Algorithm X는 ‘단계(phase)’라는 개념으로 동작한다. 각 단계에서 현재 요청이 발생한 블록 Bₛ에 대해 그 블록의 ‘수요(demand)’ Dₛ(·)를 계산하고, 현재 블록에 배치된 서버 수와 비교한다. - **수요 ≤ 현재 서버 수**: 기존 알고리즘 A를 그대로 사용해 요청을 처리한다. - **수요 = 현재 서버 수**: A를 사용하고, 해당 블록을 ‘마크’한다(다음 단계에서 더 이상 서버를 추가하지 않음). - **수요 > 현재 서버 수**: 아직 마크되지 않은 다른 블록을 무작위로 선택하고, 그 블록에 있는 서버를 현재 블록으로 ‘점프’시킨다. 점프 후 두 블록 모두 A를 현재 구성으로 재시작한다. 모든 블록이 마크될 때까지 위 과정을 반복하고, 더 이상 서버를 이동시킬 수 없으면 새로운 단계가 시작된다. 4. **비용 분석** - **내부 비용**: 블록 내부에서 A가 발생시키는 비용은 식 (1)에서 정의된 대로, 기대값이 f(ℓ)·opt + f(ℓ)·ℓ·δ·log ℓ 로 상한을 갖는다. - **점프 비용**: 블록 간 이동은 거리 Δ에 비례한다. 이를 분석하기 위해 ‘보조 매칭 문제(MX)’와 ‘보조 매칭 알고리즘(AMA)’를 도입한다. MX는 각 블록을 점으로 보는 균일 메트릭이며, AMA는 점프를 매칭 요청으로 해석한다. Lemma 6에 따르면 AMA의 기대 비용은 log k·Δ·mₚ (mₚ는 단계 p에서 증가한 서버 수의 합) 이하이다. Lemma 7은 위 두 비용을 합산해 단계 p에서 Algorithm X의 전체 기대 비용을 f(k)·opt(·) + Δ·∑ₛ(Dₛ−k) + log k·Δ·mₚ + … 형태로 제한한다. 5. **최적 해 하한** 최적 해의 비용을 하한하기 위해 여러 레마를 증명한다. Lemma 8은 최적 비용이 ∑ₛ opt(Dₛ,·) + Δ·∑ₛ(Dₛ−k) 이상임을 보이며, Lemma 9는 단계별 서버 증가량 mₚ에 대해 최적 비용이 최소 ½·Δ·∑ₚ mₚ임을 제시한다. 이러한 하한과 Algorithm X의 상한을 비교하면, 최종적으로   cost(Algorithm X) ≤ O(log k)·f(k)·opt 가 성립한다. 여기서 f(k)는 서브루틴 A가 k 서버에 대해 보이는 경쟁비이며, 기존 연구에서는 O(log k) 혹은 O(log² k) 수준이다. 따라서 전체 경쟁비는 O(log² k) 이하가 된다. 6. **특수 메트릭 공간에의 적용** µ‑HST(높이가 작고 차수가 제한되지 않은 트리)와 같은 구조에 적용하면, µ≥min{k, t} (t는 최대 차수) 조건을 만족한다. 기존에 알려진 O(k) 경쟁비를 크게 개선하여 o(k) 경쟁비를 달성한다. 이는 HST가 일반 메트릭을 확률적으로 근사하는 핵심 도구임을 감안할 때, 넓은 클래스의 메트릭 공간에 대해 효율적인 무작위 k‑서버 알고리즘을 제공한다는 점에서 의미가 크다. 7. **결론 및 향후 연구** 논문은 µ‑decomposable 공간 모델을 도입하고, 기존 알고리즘을 블록 단위로 확장하는 Algorithm X를 설계함으로써, 구조적 제한을 활용한 경쟁비 개선 가능성을 입증했다. 향후 연구에서는 블록 간 거리 비율 µ를 더 일반적인 형태로 완화하거나, 비균일 블록 크기·비용 모델에 대한 확장을 고려할 수 있다. 또한, 다른 온라인 문제(예: 매칭, 스케줄링)에도 동일한 ‘블록‑확장’ 기법을 적용하는 가능성을 탐색할 여지가 있다.