빠른 균형 정점 분리자 근사 알고리즘

본 논문은 그래프 G=(V,E) 와 정점 가중치 w:V→ℕ 가 주어졌을 때, c∈(0,½) 이라는 균형 파라미터에 대해 최소 c‑균형 정점 분리자 OPT_c 의 크기를 근사하는 새로운 알고리즘 군을 제시한다. 문제 정의는 C⊂V 를 찾아 V\C 를 A∪B 로 분할하고, A와 B 사이에 간선이 없으며 max{|A|,|B|}≤(1−c)n 을 만족하도록 하는 것이다. **1. 기존 연구와 한계** 전통적인 정확 알고리즘은 O(n·OPT) 또는 O(n·m) 시간에 구현 가능하지만, 큰 그래프에서는 비현실적이다. 이전의 의사‑근사 알고리즘들은 O(OPT·log n) 또는 O(OPT·√log n) 정도 근사 비를 제공했으며, 실행 시간은 O(n·polylog n) 또는 O(m·polylog n) 수준이었다. 특히, 거의 선형 시간 O(m^{1+o(1)}) 에 O(√log n) 근사를 달성한 결과는 아직 발표되지 않았으며, 기존의 O(log n) 근사 비가 최선이었다. **2. SDP 완화와 MMWU 프레임워크** 저자들은 최소 c‑균형 정점 분리 문제에 대해 새로운 반정밀 SDP 완화를 설계한다. 변수는 정점마다 실수 x_i 와 벡터 v_i∈ℝ^n 이며, 제약식은 (1a)–(1f) 로 구성된다. 핵심 제약은 (1e) : 큰 집합 S 에 대해 평균 제곱 거리 ≥ξ n² 을 강제함으로써 균형을 보장한다. 이 SDP는 직접 풀면 O(n³) 시간이 소요되므로, Arora‑Kale의 행렬 곱셈 가중치 업데이트(MMWU) 알고리즘을 이용해 근사적으로 해결한다. MMWU는 매 단계에서 피드백 행렬 N(t) 을 생성하고, 이를 통해 원래 SDP와 이중 문제 사이의 갭을 줄인다. **3. 오라클 구현** MMWU의 핵심은 “오라클”이다. 오라클은 현재 행렬 X(t) 에 대해 두 가지 중 하나를 반환한다. (i) 피드백 행렬 N(t) 을 제공해 다음 반복에 사용할 수 있게 하거나, (ii) 바로 Θ(1)‑균형 정점 분리자를 출력한다. 오라클 구현은 크게 두 부분으로 나뉜다. - **조기 종료 조건**: 임의의 임계값 τ 와 γ 에 대해, ‖\tilde v_i‖²가 작아지는 정점 집합 S 을 찾아 K_S·\tilde X < ξ n²/4 이면 간단히 y_i, z_S 등을 설정해 피드백 행렬을 만든다. - **일반 경우**: 라플라시안 L(G_λ) 와 경로 행렬 T_p 를 활용해 선형 제약을 구성한다. 여기서 λ 는 정점 가중치 제한 deg(G_λ)≤w 을 만족하도록 조정된다. 이때 최대 흐름 서브루틴을 여러 번 호출해 λ 값을 추정하고, 이를 통해 N(t)·X≤0 조건을 만족시키는 피드백 행렬을 만든다. 최대 흐름 서브루틴은 Chen et al.의 거의 선형 시간 알고리즘 O(m^{1+o(1)}) 을 사용한다. **4. 차원 축소와 근사 정확도** MMWU 내부에서 행렬 X 의 지수 연산을 직접 수행하면 O(n³) 시간이 든다. 이를 피하기 위해 Arora‑Kale가 제시한 무작위 투사 기법을 적용한다. 구체적으로, X 를 VᵀV 형태로 표현하고, V 를 저차원 \tilde V (차원 d=O(log n·γ^{-2})) 로 근사한다. 이 과정에서 파라미터 γ, τ 를 적절히 선택하면, 원래 행렬과 근사 행렬 사이의 거리 오차가 γ·(‖·‖+τ) 이하가 된다. 결과적으로 전체 알고리즘의 복잡도는 O(n^{O(ε)}·m^{1+o(1)}) 가 된다. **5. 주요 정리와 파라미터 선택** - **정리 1**: ε∈