この論文は、リーダーとフォロワーが順に意思決定をする二段階（バイレベル）線形計画（BLP）を扱います。研究者らは、フォロワーの最適性条件（カルッシュ–クーン–タッカー、KKT）を使って問題を一段階の混合整数線形計画（MILP）に直すときに使う大きな定数、いわゆる「big‑M（ビッグM）」の検証が解いた後でも非常に難しいことを示しました。要点は「解を得た後に、その解が元のバイレベル問題でも本当に最適かどうかを確かめるのは一般に計算的に困難だ」というものです。

やり方を簡単に説明します。フォロワーの最適性はKKT条件で表せますが、そのなかの“補完性条件”はそのままだと非線形です。実務では補完性を線形化するために補助の0–1変数を導入し、双対変数やスラック変数に対する上限としてbig‑Mという大きな定数を使います。こうして得られるMILPを市販の解法に入れて解く方法がよく使われますが、選んだbig‑Mが本当に安全か（フォロワーの可能な解を切り落としていないか）を確認することが問題になります。

論文の第一の主結果は、たとえ1つのbig‑Mだけが誤っている可能性があっても、MILPで得た最適解が元のバイレベル問題でも最適かどうかを事後に検証する問題がcoNP完全である、というものです。coNP完全とは一般に「正しさを否定する証明がNP（非決定性多項式時間）で検証できるほど簡単ではない」ことを指す計算複雑性の分類であり、実際には多くの入力で効率的な検証法は期待できません。著者らはこの結果を、整数線形計画の最適性検証問題からの多項式時間削減で示しています。重要な点として、この否定的結果は結合制約のないミンマックス問題や、混合整数バイレベル問題に対する強双対性に基づく置き換えにも当てはまります。

第二の主結果は、MILPの最適解そのものが与えられている場合でも、MILP全体についてbig‑Mがグローバルに正しいかを事後に検証する問題が依然として計算的に難しい、というものです。つまり「解を得さえすればbig‑Mの妥当性を簡単に確かめられるだろう」という期待は成立しません。さらに著者らは、この種のbig‑M置換が元のバイレベル問題に対して有用な近似保証（非自明な近似率）を与えられないことも示しています。

なぜこの結果が重要か。実務ではbig‑Mを十分大きく取って問題を解き、その解を元の問題の最適解だと扱うことがよくあります。論文はその手順が理論的には危うく、たとえ最適解が得られても後から正しさを確かめるのが難しい場合が多いことを示しています。既存の別の結果では、理論的に正しいbig‑Mを多項式時間で作れるが、それらは非常に大きく実用に向かないと指摘されています。今回の研究は「検証の難しさ」側面を明確にした形です。

留意点として、著者らの主張は理論的な「最悪の場合」の計算複雑性に関するものです。扱う問題は楽観的に定義されたバイレベル線形計画であり、論文内ではリーダーの誘導する可行領域が有界であり、フォロワーの問題が有限の最適解を持つといった標準的な仮定（論文中の仮定A1）を置いています。したがって本結果はこれらの設定下での一般的な難しさを示すものです。一方で、特定の実務インスタンスが簡単に検証できる場合もあり得ますが、一般解法に対する理論的な安心材料にはならない、というのが著者らの結論です。