플로우샵 스케줄링 중립성 탐구와 최적화 전략

초록

본 논문은 순열 플로우샵 문제에서 발생하는 중립성(동일 적합도 값을 갖는 해들의 존재)을 심층적으로 분석한다. 중립 네트워크와 플레이트오(plateau)의 구조를 탐색하고, 중립성을 활용한 탐색 전략이 로컬 서치와 메타휴리스틱의 성능을 어떻게 향상시킬 수 있는지 제안한다.

상세 분석

플로우샵 스케줄링은 작업 순서를 결정하는 순열 공간에서 목표 함수(예: makespan)를 최소화하는 전형적인 NP‑hard 문제이다. 이 공간은 종종 많은 해가 동일한 makespan 값을 갖는 중립 구역을 형성한다는 점에서 특수한 피트니스 랜드스케이프 특성을 가진다. 논문은 먼저 중립성의 정의를 명확히 하고, 중립도(neutral degree)와 중립 네트워크(neutral network)의 개념을 도입한다. 중립도는 특정 해에서 인접 이웃 중 동일 적합도를 갖는 이웃의 비율을 의미하며, 이는 랜드스케이프의 평탄성 정도를 정량화한다. 저자는 인접 연산자로 인접성을 정의하고, 대규모 실험을 통해 20~100개의 작업·기계 인스턴스에 대해 중립도 분포를 측정하였다. 결과는 작업·기계 수가 증가할수록 평균 중립도가 상승하고, 특히 최적 근처에서 큰 플레이트오가 형성되는 경향을 보였다.

다음으로 중립 네트워크의 구조적 특성을 분석한다. 중립 네트워크는 동일 적합도 값을 공유하는 해들 간의 연결 그래프이며, 이 그래프는 종종 하나 이상의 거대한 연결 성분(giant component)을 포함한다. 저자는 BFS 탐색을 이용해 네트워크의 평균 경로 길이, 클러스터링 계수, 그리고 네트워크 내에서의 중심성(centrality) 지표를 계산하였다. 특히, 최적 해 주변에 위치한 중립 네트워크는 높은 중심성을 보이며, 이는 탐색이 해당 영역에 머무를 경우 빠르게 다른 고품질 해로 전이할 가능성을 시사한다.

중립성을 활용한 탐색 전략으로는 두 가지 접근법이 제안된다. 첫 번째는 “중립 이동”(neutral walk)으로, 현재 해와 동일한 적합도를 갖는 이웃을 무작위로 선택해 연속적으로 이동함으로써 플레이트오 내부를 탐색한다. 이 과정에서 탐색자는 잠재적인 “탈출점”(exit point), 즉 인접 이웃 중 적합도가 향상되는 해를 발견할 확률이 증가한다. 두 번째는 “중립 기반 적응형 이웃 선택”(neutral‑aware adaptive neighborhood), 즉 중립도가 높은 영역에서는 더 큰 이웃 구조(예: 3‑swap)를 적용하고, 중립도가 낮은 영역에서는 전통적인 2‑swap를 유지하는 방식이다. 실험 결과, 이러한 전략을 기존의 ILS(Iterated Local Search)와 GA(Genetic Algorithm)에 통합했을 때 makespan 감소율이 평균 5~12% 향상되었으며, 특히 큰 인스턴스에서 수렴 속도가 현저히 빨라졌다.

마지막으로 논문은 중립성의 부정적 측면도 논의한다. 지나친 중립 이동은 탐색을 무의미하게 오래 끌어당겨 시간 효율성을 저하시킬 수 있다. 따라서 중립 이동의 최대 길이와 탈출 시도 빈도를 조절하는 파라미터 튜닝이 필요함을 강조한다. 전체적으로 이 연구는 플로우샵 피트니스 랜드스케이프의 중립 구조를 정량화하고, 이를 활용한 메타휴리스틱 설계 가이드를 제공함으로써 향후 스케줄링 최적화 연구에 중요한 이론적·실용적 토대를 제공한다.