도미니언 맞춤형 제약 해결기 생성기

초록

본 논문은 특정 문제 모델에 최적화된 제약 해결기를 자동으로 생성하는 시스템인 도미니언의 설계와 구현을 제시한다. 설계 원칙, 구성 요소, 그리고 초기 실험을 통해 생성된 해결기가 기존 범용 해결기에 비해 성능·공간 효율에서 우수함을 입증한다.

상세 요약

도미니언은 “제약 해결기 생성기(generator)”라는 새로운 패러다임을 도입한다는 점에서 의미가 크다. 기존의 제약 프로그래밍 시스템은 일반적인 해결 엔진을 제공하고, 사용자는 모델을 해당 엔진에 맞게 기술한다. 그러나 일반 엔진은 모든 종류의 제약을 포괄하려다 보니 내부 자료구조와 탐색 전략이 최적화되지 못한다. 도미니언은 이 문제를 역전시켜, 먼저 문제 모델을 분석하고, 그 모델에 특화된 자료구조·알고리즘을 자동으로 조합한다. 핵심은 모델 분석 단계와 솔버 합성 단계이다. 모델 분석 단계에서는 변수 도메인, 제약 종류(예: 선형, 논리, 전역), 제약 그래프의 연결성 등을 추출한다. 이 메타데이터는 도미니언의 솔버 템플릿 라이브러리와 매핑되어, 적절한 구현 블록을 선택한다. 솔버 템플릿은 변수 인코딩, 도메인 축소, 일관성 유지(arc consistency, bounds consistency 등), 탐색 전략(DFS, LDS, 포트폴리오) 등을 모듈화한 코드 조각이다. 합성 단계에서는 선택된 템플릿을 연결하고, 필요에 따라 특수화된 전처리·후처리 루틴을 삽입한다. 이 과정은 선언적 규칙 기반 시스템으로 구현되어, 새로운 제약 종류나 최적화 기법을 추가하기 쉬운 구조를 제공한다.

도미니언의 설계는 다중 레벨 최적화를 가능하게 한다. 첫 번째 레벨은 모델 수준에서 불필요한 제약을 제거하거나, 변수 도메인을 축소하는 정적 전처리다. 두 번째 레벨는 실행 시점에 동적으로 선택되는 일관성 유지 기법이다. 예를 들어, 선형 제약이 주를 이루는 모델에서는 bounds consistency를 기본으로 하고, 비선형 제약이 소수라면 full arc consistency를 선택한다. 세 번째 레벨은 탐색 전략의 조합으로, 도메인 크기가 큰 변수에 대해 우선순위 기반 분할을 적용하고, 작은 변수에 대해서는 깊이 우선 탐색을 수행한다. 이러한 계층적 최적화는 각각 독립적으로 적용될 수 있어, 사용자는 원하는 수준만 선택적으로 활성화할 수 있다.

실험 부분에서는 도미니언이 생성한 맞춤형 해결기를 표준 MiniZinc, Choco, Gecode 등과 비교하였다. 대표적인 벤치마크인 스도쿠, 그래프 색칠, 일정 계획, 그리고 복합적인 수리 최적화 문제에 대해 평균 2배~5배의 실행 시간 감소와 메모리 사용량 30%~60% 감소를 기록했다. 특히, 도메인 크기가 큰 변수와 복잡한 전역 제약이 많이 포함된 일정 계획 문제에서 도미니언이 만든 해결기는 기존 엔진이 겪는 메모리 폭발 현상을 효과적으로 억제하였다.

한계점으로는 현재 템플릿 라이브러리가 아직 제한적이며, 새로운 제약 종류를 지원하려면 전문가가 템플릿을 직접 구현해야 한다는 점이다. 또한, 모델 분석 단계가 복잡한 모델에서는 시간 오버헤드가 발생할 수 있다. 저자는 향후 자동 템플릿 생성, 머신러닝 기반 모델 특성 예측, 그리고 클라우드 환경에서의 동적 솔버 재구성을 연구 방향으로 제시한다.

전반적으로 도미니언은 제약 프로그래밍 분야에 “맞춤형 자동화”라는 새로운 가능성을 열어 주며, 향후 다양한 도메인에서 효율적인 문제 해결을 위한 기반 기술로 자리매김할 잠재력을 가지고 있다.