유전 알고리즘 기반 로봇 망원경 스케줄링

초록

본 논문은 단일 및 다중 관측소 환경에서 로봇 망원경의 관측 일정 최적화를 위해 유전 알고리즘(GA)을 적용한 방법을 제시한다. 관측 목표의 우선순위, 가시성, 기상 조건, 관측소 간 협업 등을 고려한 피트니스 함수를 설계하고, 교차·돌연변이 연산을 통해 효율적인 스케줄을 진화시킨다. 실험 결과, 제안된 GA 기반 스케줄러가 기존 휴리스틱 방법에 비해 목표 달성률과 자원 활용 효율이 크게 향상됨을 보인다.

상세 요약

이 연구는 로봇 망원경 운영의 핵심 과제인 관측 일정 수립을 최적화 문제로 모델링하고, 이를 해결하기 위해 유전 알고리즘을 채택한 점에서 의미가 크다. 먼저 관측 목표를 ‘우선순위’, ‘시간 창’, ‘필요 관측 조건(예: 대기 투명도, 풍속)’ 등으로 정의하고, 각 목표를 유전자의 형태로 인코딩한다. 개체는 하루 혹은 일주일 단위의 스케줄을 나타내며, 유전자는 목표의 시작 시각과 할당된 관측소 정보를 포함한다.

피트니스 함수는 다중 목표 최적화를 위해 가중합 형태로 설계되었다. 주요 구성 요소는 (1) 목표 우선순위 가중치에 따른 성공 관측 수, (2) 관측 창 내에 실제 배정된 관측 비율, (3) 기상 예보와 실제 관측 조건의 일치도, (4) 관측소 간 중복 최소화 및 협업 효율성이다. 특히, 관측소 네트워크가 존재할 경우, 동일 목표를 여러 관측소가 동시에 수행하는 경우를 페널티로 부여해 자원 낭비를 방지한다.

교차 연산은 시간 구간을 기준으로 두 부모 개체의 스케줄을 교환하는 ‘시간 구간 교차’를 사용한다. 이는 관측 목표의 연속성을 유지하면서도 새로운 조합을 탐색하게 한다. 돌연변이는 무작위로 목표의 시작 시각을 미세 조정하거나, 관측소 할당을 변경하는 방식으로 구현되어, 지역 최적에 빠지는 것을 방지한다.

알고리즘 파라미터(인구 규모, 세대 수, 교차·돌연변이 확률)는 실험을 통해 최적화되었으며, 일반적인 천문 관측 환경(예: 1012시간 야간, 평균 5개의 관측소)에서 100200세대 내에 수렴한다. 결과 분석에서는 기존 그리디 기반 스케줄러와 비교해 목표 달성률이 평균 15% 상승하고, 관측소 이용 효율이 20% 이상 향상된 것으로 나타났다. 또한, 기상 변동에 대한 적응성을 평가한 시뮬레이션에서, 실시간 재스케줄링 시 GA가 빠르게 새로운 최적 해를 찾아내어 관측 손실을 최소화한다는 점을 확인했다.

이 논문은 유전 알고리즘이 복합 제약 조건과 다중 목표를 동시에 다루는 관측 스케줄링에 적합함을 실증적으로 보여준다. 특히, 관측소 네트워크 간 협업을 모델링한 점은 향후 전 세계 분산형 로봇망원경 시스템 구축에 중요한 설계 원칙을 제공한다. 다만, 실시간 운영에서의 계산 비용과 파라미터 튜닝 필요성은 향후 연구 과제로 남는다.