[논문 리뷰] Constructing self-referential instances for the clique problem

Jiaqi Li, Shuli Hu외 2명|arXiv (Cornell University)|2026. 01. 27.

Complexity and Algorithms in Graphs인용 수 0

한 줄 요약

논문은 Erdős–Rényi 그래프에서 k-클리크에 대한 위상 전이를 증명한 뒤, 차수 시퀀스를 바꾸지 않으면서도 포함 여부를 전환할 수 있는 자기참조(self-referential) 그래프 인스턴스를 구성하고, 이로써 임계점에서 모든 해 탐색이 필요함을 설명한다.

ABSTRACT

In this paper, we propose constructing self-referential instances to reveal the inherent algorithmic hardness of the clique problem. First, we prove the existence of a phase transition phenomenon for the clique problem in the Erdős--Rényi random graph model and derive an exact location for the transition point. Subsequently, at the transition point, we construct a family of graphs. In this family, each graph shares the same number of vertices, number of edges, and degree sequence, yet both instances containing a $k$-clique and instances without any $k$-clique are included. These two states can be transformed into each other through a symmetric transformation that preserves the degree of every vertex. This property explains why exhaustive search is required in the critical region: an algorithm must search nearly the entire solution space to determine the existence of a solution; otherwise, a counterinstance can be constructed from the original instance using the symmetric transformation. Finally, this paper elaborates on the intrinsic reason for this phenomenon from the independence of the solution space.

연구 동기 및 목표

• 자기참조 인스턴스 구성과 알고리즘 및 복잡도의 근본적인 난제와의 연계를 통해 연구 동기를 제시한다.
• Erdős–Rényi 그래프에서 k-클리크 존재에 대한 명확한 위상 전이를 확립하고 정확한 위치를 식별한다.
• 도메인 요구를 충족시키면서도 k-클리크의 존재 여부를 토글하는 대칭 변환을 보여주어 자기참조 인스턴스를 가능하게 한다.
• 독립성으로 인해 임계 영역에서 모든 후보 해를 탐색해야 함을 설명한다.

제안 방법

• 일차 및 이차 모멘트 방법을 사용해 k-클리크 특성의 위상 전이를 분석한다.
• 임의 그래프 G(n,m)이 거의 확실하게 k-클리크를 얻거나 잃는 임계 임계값 m을 계산한다.
• k-클리크를 세는 랜덤 변수를 정의하고 E[X]와 Var[X]를 적용해 임계값을 확립한다.
• 해를 풀 수 있는 인스턴스를 풀 수 없게, 그리고 그 반대도 가능하게 하는 대칭적이고 차수 보존 그래프 변환을 도입한다.
• 위상 전이 영역에서 해 후보가 거의 독립적임을 주장해, 모든 해 탐색이 필요하다고 강하게 시사한다.
• 자기참조 난제의 기저를 이루는 대각화 스타일의 추론과 관련성을 제시한다.

실험 결과

연구 질문

• RQ1 에르되시-레니(Random graph) 모델에서 k-클리크가 나타나는 정확한 임계값은 무엇인가?
• RQ2 글로벌 그래프 통계를 변경하지 않고도 k-클리크의 존재를 토글할 수 있는 자기참조적이고 차수 보존 그래프 변환을 구성할 수 있는가?
• RQ3 임계점에서 모든 후보 해를 탐색해야 하는 이유는 무엇인가?
• RQ4 해 공간의 독립성이 변환 하에서도 자기참조 인스턴스의 강인함을 어떻게 설명하는가?

주요 결과

• k-클리크 특성에 대한 위상 전이가 명시적 임계값 m = (n(n−1) / 2) · n^{−2/(k−1)} 로 확립된다.
• 전이점에서 n, m, 차수 시퀀스가 같아도 k-클리크를 포함하는지 여부에 따라 다를 수 있는 그래프 계열이 존재한다.
• 차수를 보존하는 대칭 변환은 n이 커질수록 풀이 가능인 인스턴스와 풀이 불가능한 인스턴스 사이를 전환할 수 있다.
• 자기참조 난제는 해 후보의 독립성에 기인하며, 국소적 변화로는 전역적 가능성을 해결할 수 없고 모든 탐색이 필요하게 만든다.
• 구현은 Gödel/Xu–Zhou 접근법을 클리크 문제로 확장하여 잘 연구된 조합적 맥락에서의 난도 있는 인스턴스에 대한 메커니즘을 제공한다.