가중 다각형 포장을 위한 시뮬레이티드 어닐링 최적화 알고리즘

본 논문은 위성·우주선 내부에 장착되는 다양한 장비들의 물리적 배치를 최적화하는 레이아웃 최적화 문제(LOP)를 다루며, 특히 무게가 부여된 다각형 형태의 객체들을 원형 컨테이너 안에 배치하면서 두 가지 목표, 즉 질량 불균형 최소화와 컨테이너 반경 최소화를 동시에 만족시키는 알고리즘을 제안한다. 기존 연구는 주로 원형이나 직사각형 객체에 초점을 맞추었으며, 회전이 제한된 경우가 많았다. 그러나 실제 위성 설계에서는 비볼록 다각형 형태와 자유 회전이 일반적이므로, 보다 현실적인 모델링이 필요하다. ### 1. 문제 정의 및 수학적 모델 k개의 다각형 i(1≤i≤k)를 각각 질량 m_i와 정점 수 n_i 로 정의한다. 각 다각형의 구조 str(i)는 (n_i, m_i, (r₁,…,r_{n_i}), (θ₁,…,θ_{n_i})) 로 표현되며, 여기서 r_k는 질량 중심으로부터 정점까지의 거리, θ_k는 해당 정점의 방위각이다. 상태 sta(i)는 (x_i, y_i, α_i) 로, x_i, y_i는 질량 중심의 좌표, α_i는 회전 각을 의미한다. 두 다각형 i와 j 사이의 거리 dis(i,j)는 질량 중심 간 유클리드 거리이며, 겹침(overlap) 함수 ove(i,j)=max{0, r(i)+r(j)−dis(i,j)} 로 정의한다. 여기서 r(i)=max_k r_k는 다각형 i를 완전히 포함하는 최소 원의 반지름이다. 겹침은 0이면 비접촉, 양수이면 겹침 정도를 나타낸다. 전체 레이아웃 X는 모든 다각형의 상태 벡터를 연결한 것으로, 레이아웃 반경 r(X)는 질량 중심에서 가장 먼 정점까지의 거리이며, 이는 컨테이너의 최소 반경과 동일하다. 목표 함수는 f(X)=λ₁·ove(X)+λ₂·r(X) where ove(X)=∑_{i≠j} ove(i,j) 이다. λ₁은 겹침을 강하게 억제하기 위한 큰 값, λ₂는 반경 최소화를 위한 가중치이다. 겹침 함수가 비연속적이므로 전통적인 연속 최적화 기법 적용이 어려워 메타휴리스틱이 필요하다. ### 2. 시뮬레이티드 어닐링 알고리즘 설계 SA는 전역 탐색 능력이 뛰어난 메타휴리스틱으로, 현재 온도 T에 따라 새로운 이웃 상태를 받아들일지 결정한다. 논문에서는 다음과 같은 구체적 설계를 채택했다. - **초기 상태**: 무작위로 다각형들을 큰 원(R₀) 안에 배치하고, 각 다각형의 회전 각을 무작위로 설정한다. - **이웃 생성**: 매 반복 i에서 (i mod k)번째 다각형을 선택한다. 그 다각형의 좌표 (x_j, y_j)와 회전 α_j 를 현재 온도에 비례해 감소하는 범위 안에서 균등 무작위로 perturb한다. 구체적으로 (10)·(11) 식에 따라 ±0.55·R₀·random(-1,1) 와 ±0.55·π·random(-1,1) 로 시작해, 온도가 낮아질수록 범위가 0.05배로 축소된다. - **에너지 계산**: 새로운 레이아웃 X′에 대해 f(X′)를 계산한다. - **수용 기준**: Δf = f(X′)−f(X). Δf<0이면 무조건 수용, Δf≥0이면 확률 exp(−Δf/T) 로 수용한다. - **냉각 스케줄**: 매 c_max 반복마다 온도 T ← d·T (d<1). 논문에서는 d와 c_max을 실험적으로 설정하였다. - **종료 조건**: 최대 반복 imax 또는 목표 에너지 e_max 도달 시 종료한다. 파라미터는 imax=20000·k, c_max=100·k, 초기 온도 t₀=100, λ₁=λ₂=100 으로 설정하였다. 각 인스턴스에 대해 40번 독립 실행을 수행해 최적 반경 r_best, 평균 반경 \bar{r}, 분산 등을 기록하였다. ### 3. 실험 설계 및 결과 #### 3.1 알려진 최적 인스턴스 6개의 인스턴스(다각형 수 4~12, 볼록·비볼록 혼합)를 제작하고, 각 인스턴스에 대해 최적 반경이 사전에 계산된 값을 기준으로 알고리즘 성능을 평가했다. 결과는 다음과 같다. - 인스턴스 1~3(볼록, 다각형 수 ≤5)에서는 평균 오차 ≤2% 로 거의 최적에 도달. - 인스턴스 4(12개의 복잡한 다각형)에서는 15% 오차, 즉 지역 최적에 머물렀음. - 인스턴스 5·6(비볼록 다각형)에서는 각각 11%·4% 오차가 발생, 특히 비볼록 형태의 겹침 판단 복잡도가 성능 저하에 영향을 미침을 확인. #### 3.2 직사각형 전용 베이스라인과 비교 직사각형만 포함하는 4개의 대형 인스턴스를 선정하고, 기존 연구에서 사용된 유전 알고리즘(GA), 입자 군집 최적화(PSO), 하이브리드 컴프레션-부분 스웜 로컬 서치(CA‑PSLS)와 비교했다. 각 알고리즘을 50번 실행했으며, 측정 항목은 최적 반경 r_best, 평균 반경 \bar{r}, 표준편차 σ, 평균 실행 시간 t이다. - SA는 모든 인스턴스에서 가장 작은 r_best 를 기록했으며, 평균 반경도 가장 낮았다. - 실행 시간은 PSO와 CA‑PSLS에 비해 약간 더 오래 걸렸지만, C++ 구현과 병렬화 가능성을 고려하면 실용적 수준이었다. - GA는 전반적으로 낮은 품질의 해와 큰 편차를 보였다. ### 4. 논의 및 한계 본 연구는 다각형 회전을 허용하고, 겹침을 강력히 페널티화함으로써 실제 위성 설계에 가까운 모델을 제공한다. 그러나 몇 가지 한계가 존재한다. 1. **복잡도**: 겹침 판단이 O(m·n)이며, 다각형 수가 수백 개가 되면 계산량이 급증한다. 2. **목표 함수 가중치 민감도**: λ₁, λ₂ 선택이 결과에 큰 영향을 미치며, 자동 튜닝 방법이 제시되지 않았다. 3. **비연속성 처리**: 겹침 함수가 비연속적이므로 온도가 낮아질수록 탐색이 급격히 제한될 위험이 있다. 4. **실험 규모**: 실제 위성 설계에서는 수백 개의 부품이 필요하지만, 본 논문은 최대 12개의 다각형에 한정했다. ### 5. 향후 연구 방향 - **고속 충돌 검출**: 공간 분할(예: BSP, R‑tree)이나 GPU 기반 병렬 검사를 도입해 O(m·n) 비용을 감소시킬 수 있다. - **다목적 최적화**: 질량 불균형과 반경을 별도 목표로 하는 파레토 최적화 프레임워크를 구축한다. - **적응형 냉각 스케줄**: 온도와 현재 해의 품질에 따라 동적으로 냉각 비율을 조정하는 메커니즘을 도입한다. - **하이브리드 메타휴리스틱**: GA나 PSO와 같은 전역 탐색 기법과 SA의 지역 탐색을 결합해 탐색 다양성을 높인다. - **실제 위성 데이터 적용**: 실제 위성 부품 데이터셋을 사용해 대규모 실험을 수행하고, 설계 단계에서의 의사결정 지원 도구로 확장한다. 결론적으로, 본 논문은 가중 다각형 포장 문제에 시뮬레이티드 어닐링을 성공적으로 적용했으며, 특히 직사각형 전용 기존 방법보다 우수한 해 품질을 입증하였다. 다만, 확장성 및 파라미터 튜닝 문제를 해결하기 위한 추가 연구가 필요함을 강조한다.