피터슨 그래프 이동 이웃 모델을 통한 합의 달성

초록

**
본 논문은 10개의 정점과 15개의 간선으로 구성된 피터슨 그래프 위에서 무작위 보행을 수행하는 다중 에이전트들의 합의 문제를 다룬다. 에이전트들은 동일한 정점에 동시에 도달할 때만 정보를 교환하며, 제시된 이산‑시간 합의 프로토콜을 통해 전역 합의가 수렴함을 수치 실험으로 확인한다.

**

상세 분석

**
논문은 이동 이웃 네트워크(moving neighborhood network)라는 최근 연구 흐름을 피터슨 그래프라는 특수한 토폴로지에 적용한 점이 가장 큰 특징이다. 에이전트들은 그래프의 정점 사이를 독립적인 무작위 보행(random walk)으로 이동하고, 두 에이전트가 같은 정점에 동시에 머물 때만 상호 작용이 가능하도록 설계하였다. 이때 사용된 합의 프로토콜은 전통적인 선형 업데이트 형태
(X_i(t+1)=X_i(t)+\varepsilon\sum_{j\in N_i(t)}b_{ij}(t)(X_j(t)-X_i(t)))
이며, ε는 0 < ε < 1/Δ 조건을 만족하도록 제한한다. 여기서 Δ는 각 시점에서 가능한 최대 가중치 합을 의미한다. 논문은 b_{ij}(t)를 e^t, sin t, cos t 등 세 가지 기본 함수 중 무작위로 선택하여 가중치를 동적으로 변동시킨다. 이러한 설정은 시간에 따라 네트워크 연결성이 완전히 끊어질 수 있는 상황에서도 합의가 이루어지는지를 검증하려는 목적이다.

수치 실험에서는 피터슨 그래프의 인접 행렬을 가중치 행렬로 사용하고, 510개의 에이전트를 배치하여 여러 초기 조건에 대해 시뮬레이션을 수행하였다. 결과는 Figure 25에 나타나며, 모든 경우에 상태값이 시간에 따라 수렴하여 동일한 값으로 수렴함을 보여준다. 이는 이동 이웃 모델이 비연결적인 순간이 존재하더라도 전체 시스템이 평균 합의에 도달할 수 있음을 실증한다.

하지만 논문에는 몇 가지 한계와 개선점이 존재한다. 첫째, 이론적 수렴 증명이 전혀 제시되지 않았으며, ε의 선택 기준이 실험적으로만 검증된다. 둘째, 무작위 보행이 균등 확률에 기반한다고 가정했지만, 실제 네트워크에서는 편향된 이동 패턴이 발생할 수 있다. 셋째, 피터슨 그래프는 정규 그래프가 아니므로 일반적인 그래프 클래스(예: 정규, 스케일‑프리)로 확장했을 때 결과가 유지되는지에 대한 논의가 부족하다. 마지막으로, 그래프가 작고 정점 수가 10에 불과해 실제 대규모 분산 시스템에 적용 가능성을 평가하기 어렵다. 향후 연구에서는 마르코프 체인 이론을 활용한 수렴 속도 분석, ε에 대한 최적화, 그리고 다양한 토폴로지에 대한 비교 실험이 필요하다.

**