효율적인 클러스터 헤드 선택을 위한 개미군집 최적화 알고리즘

초록

**
본 논문은 이동형 애드혹 네트워크(MANET)에서 클러스터 헤드를 선정하기 위해 개미군집 최적화(ACO) 기법을 적용한 새로운 알고리즘을 제안한다. 기존의 ID 기반, 연결성 기반, 확률 기반, 가중치 기반 네 가지 클러스터링 방식을 통합하고, 페로몬과 가시성(visibility)을 이용해 최소 지배 집합(minimum dominating set)을 찾음으로써 클러스터 수를 최소화한다. 시뮬레이션 결과, 제안된 방법이 기존 기법 대비 클러스터 수와 통신 오버헤드가 현저히 감소함을 보였다.

**

상세 분석

**
이 논문은 MANET에서 클러스터링을 통해 라우팅 오버헤드를 감소시키고 네트워크 성능을 향상시키고자 하는 목표 아래, 기존 네 가지 대표적인 클러스터링 기법(Lowest‑ID, Highest‑Degree, K‑CONID, Weighted‑Cluster Algorithm)을 하나의 프레임워크로 통합한다는 점에서 의의가 있다. 특히, 클러스터 헤드 선정 문제를 그래프 이론의 최소 지배 집합(Minimum Dominating Set) 문제로 모델링하고, 이는 NP‑hard 문제임을 명시함으로써 메타휴리스틱 접근의 필요성을 정당화한다.

제안된 ACO 기반 알고리즘은 각 노드에 ‘가시성(visibility)’과 ‘페로몬(pheromone)’이라는 두 가지 가중치를 부여한다. 가시성은 해당 노드가 클러스터 헤드가 될 경우 커버할 수 있는 이웃 노드 수(즉, 연결성)로 정의되며, 네트워크 토폴로지가 변함에 따라 동적으로 업데이트된다. 페로몬은 반복적인 선택 과정에서 선택된 노드에 누적적으로 증가하며, α와 β 파라미터를 통해 가시성과 페로몬의 상대적 중요도를 조절한다. 선택 확률 Pᵥᵢ는 다음 식으로 계산된다:

\