⚡ Bolt: 최솟값 검색 성능 최적화 (O(N log N) -> O(N))

.Rbuildignore

@@ -22,3 +22,4 @@
 ^\.jules(/.*)?$
 ^\.trivyignore\.yaml$
 ^trivy\.yaml$
+^\.semgrepignore$

.jules/bolt.md

@@ -16,3 +16,6 @@
 ## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화
 **Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다.
 **Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다.
+## 2024-07-26 - R 언어에서 최솟값/최댓값 탐색 시 정렬(sort) 오버헤드 최적화
+**Learning:** R에서 벡터의 최솟값 또는 최댓값을 찾기 위해 `sort(x)[1]` 또는 `names(sort(x))[1]`과 같이 전체를 정렬하는 방식을 사용하면, O(N log N)의 불필요한 연산 오버헤드가 발생하여 성능이 저하됩니다.
+**Action:** `which.min(x)` 또는 `which.max(x)`를 활용하여 `names(x)[which.min(x)]`와 같이 변경함으로써 전체 데이터를 정렬하지 않고 O(N) 선형 탐색으로 성능을 향상시켜야 합니다.

R/surveyFA.R

@@ -1,3 +1,20 @@
+#' Select the first named minimum without sorting the full vector
+#'
+#' @description Returns the name attached to the first minimum value in a named
+#'   numeric vector. The helper intentionally uses a single linear scan so the
+#'   bounded recovery loop does not pay the cost of sorting every candidate.
+#' @param values A named numeric vector whose missing-value policy has already
+#'   been applied by the caller.
+#' @return The first minimum value's name, or `NA_character_` for an empty input.
+#' @keywords internal
+.minimum_named_value <- function(values) {
+  minimum_index <- which.min(values)
+  if (length(minimum_index) == 0L) {
+    return(NA_character_)
+  }
+  names(values)[minimum_index]
+}
+
 #' @title surveyFA
 #' @description Fallback calibration helper used when direct model estimation in
 #'   `autoFIPC()` fails.
@@ -232,7 +249,7 @@ surveyFA <- function(
       names(p_values) <- rownames(fit_df)
       if (any(!is.na(p_values))) {
         p_values[is.na(p_values)] <- 1
-        candidate <- names(sort(p_values, decreasing = FALSE))[1L]
+        candidate <- .minimum_named_value(p_values)
         if (!is.na(candidate) && p_values[[candidate]] < pThreshold) {
           return(candidate)
         }

tests/testthat/test-surveyFA.R

@@ -58,8 +58,32 @@ test_that("surveyFA validates boolean control flags before estimator dispatch",
   )
 })
 
+test_that("minimum named selection preserves prior sort semantics", {
+  normalized_cases <- list(
+    c(item_a = 0.40, item_b = 0.10, item_c = 0.30),
+    c(item_a = 0.10, item_b = 0.10, item_c = 0.20),
+    c(item_a = -0.50, item_b = 0.00, item_c = 0.50)
+  )
+  missing_case <- c(item_a = NA_real_, item_b = 0.20, item_c = 0.30)
+  missing_case[is.na(missing_case)] <- 1
+  normalized_cases[[length(normalized_cases) + 1L]] <- missing_case
+
+  for (p_values in normalized_cases) {
+    prior_candidate <- names(sort(p_values, decreasing = FALSE))[1L]
+    expect_identical(
+      aFIPC:::.minimum_named_value(p_values),
+      prior_candidate
+    )
+  }
+  expect_identical(
+    aFIPC:::.minimum_named_value(setNames(numeric(), character())),
+    NA_character_
+  )
+})
+
 test_that("surveyFA reports bounded recovery exhaustion when unrecoverable", {
   skip_if_not_installed("mirt")
+  set.seed(20260726)
 
   raw <- as.data.frame(
     matrix(
@@ -82,3 +106,38 @@ test_that("surveyFA reports bounded recovery exhaustion when unrecoverable", {
     "could not estimate a valid model after bounded recovery attempts"
   )
 })
+
+test_that("surveyFA removes the minimum-variance binary item", {
+  skip_if_not_installed("mirt")
+  set.seed(20260727)
+
+  raw <- as.data.frame(
+    mirt::simdata(
+      a = matrix(c(1.00, 1.20, 0.95), ncol = 1),
+      d = c(-1.0, -0.45, -0.10),
+      itemtype = rep("2PL", 3),
+      N = 100
+    )
+  )
+  names(raw) <- c("item1", "item2", "item3")
+
+  # Keep the 2PL input binary while making item3 the deterministic variance minimum.
+  raw$item3 <- rep(0L, nrow(raw))
+  raw$item3[1:3] <- 1L
+
+  expect_error(
+    suppressWarnings(
+      aFIPC::surveyFA(
+        data = raw,
+        autofix = TRUE,
+        forceUIRT = TRUE,
+        itemtype = "2PL",
+        maxItemRemovals = 1,
+        forceNormalEM = TRUE,
+        SE = TRUE,
+        pThreshold = 0.000000001
+      )
+    ),
+    "could not estimate a valid model after bounded recovery attempts.*Removed items: item3"
+  )
+})