무선 네트워크를 위한 SINR 기반 최대 링크 스케줄링의 빠른 분산 알고리즘

초록

**
본 논문은 물리적 SINR 모델에서 균일 전력 할당을 가정한 최대 링크 스케줄링 문제에 대해, 전통적인 중앙집중식 접근법이 아닌 상수 수준의 근사비를 보장하는 분산 알고리즘을 제시한다. 전·후이중(Full/Half‑Duplex) 통신 방식, 적응형·비적응형 전력 제어 등 실제 무선 시스템의 다양한 제약을 고려하여 알고리즘을 설계했으며, 실행 시간은 링크 다양도 (g(L))와 로그 항의 거듭제곱 (\log^{c} m) ((c=1,2,3)) 로 표현되는 (O(g(L)\log^{c} m)) 으로, 대부분의 실무 환경에서 상수 수준에 머문다. 핵심은 물리적 캐리어 센싱을 활용한 무작위화 기법이며, 이를 통해 비국소적인 SINR 제약을 효율적으로 다룰 수 있다.

상세 분석

**
이 논문은 무선 네트워크 설계에서 가장 근본적인 문제 중 하나인 “Maximum Link Scheduling”(MLS) 문제를 물리적 SINR(신호 대 간섭 비) 모델 하에서 다룬다. 기존 연구들은 주로 중앙집중식 알고리즘을 통해 상수‑팩터 근사해를 얻었지만, SINR 모델의 비국소성(멀리 떨어진 송신기의 간섭까지 고려해야 함) 때문에 실제 분산 구현은 매우 까다롭다. 저자들은 이러한 난관을 극복하기 위해 다음과 같은 핵심 아이디어를 제시한다.

링크 다양도 (g(L)) 도입
- 링크 길이의 로그 스케일을 이용해 정의된 (g(L))는 네트워크 내 가장 짧은 링크와 가장 긴 링크의 비율을 로그로 변환한 값이다. 실무에서는 이 값이 보통 5~10 사이에 머물러 상수 수준으로 간주될 수 있다. 알고리즘의 복잡도는 이 (g(L))와 로그 항의 거듭제곱에만 의존하므로, 네트워크 규모가 커져도 실행 시간이 급격히 늘어나지 않는다.
전·후이중 통신 모델 구분
- Full‑Duplex(동시 송·수신)와 Half‑Duplex(교대로 송·수신) 환경을 각각 분석한다. Full‑Duplex에서는 한 라운드에 양방향 간섭을 동시에 측정할 수 있어 알고리즘의 라운드 수가 감소하고, (c=1)인 (\log^{c} m) 형태의 시간 복잡도를 달성한다. 반면 Half‑Duplex에서는 송신·수신을 번갈아 가며 진행해야 하므로 라운드가 두 배가 되고, 최악의 경우 (c=3)까지 증가한다.
전력 제어 전략
- 논문은 두 가지 전력 제어 방식을 비교한다. (i) 비적응형(Uniform) 전력 할당: 모든 링크가 동일한 전력을 사용한다. 이는 구현이 간단하고, 이 논문의 알고리즘이 보장하는 상수‑팩터 근사와 호환된다. (ii) 적응형 전력 제어: 링크 길이에 따라 전력을 조절한다. 적응형 방식을 도입하면 간섭을 더 정밀하게 억제할 수 있지만, 분산 환경에서 전력 정보를 교환해야 하는 오버헤드가 발생한다. 저자들은 두 경우 모두에 대해 알고리즘을 설계하고, 적응형이 이론적으로는 약간 더 나은 근사비를 제공하지만 실제 구현 복잡도가 크게 증가함을 지적한다.
무작위화와 물리적 캐리어 센싱 활용
- 핵심 기술은 “Carrier Sensing”을 이용해 주변 간섭 수준을 직접 측정하고, 이를 바탕으로 링크가 활성화될 확률을 조정하는 무작위 선택 메커니즘이다. 각 라운드에서 링크는 자신이 “강력한”(높은 SINR)이라고 판단되면 일정 확률로 전송을 시도하고, 그렇지 않으면 대기한다. 이 과정은 독립적인 베르누이 시행으로 모델링되며, 마르코프 체인 수렴 분석을 통해 전체 스케줄링이 일정 라운드 안에 수렴함을 증명한다.
근사 비와 복잡도 분석
- 저자들은 알고리즘이 선택한 링크 집합 (L’)가 최적 해 (L^{})에 대해 (|L’|\ge \frac{1}{\alpha},|L^{}|) 를 만족함을 보인다. 여기서 (\alpha)는 상수(예: 4~6)이며, 이는 기존 중앙집중식 상수‑팩터 근사와 동등한 수준이다. 복잡도 측면에서는 각 라운드가 O(g(L)) 시간(물리적 센싱과 로컬 메시징)으로 수행되고, 전체 라운드 수가 (\log^{c} m) (m은 전체 링크 수) 이하임을 보인다. 따라서 전체 실행 시간은 (O(g(L)\log^{c} m)) 로, 특히 (g(L))가 상수라면 “sublinear” 즉, 입력 크기보다 훨씬 작은 시간에 해결 가능하다.
실험 및 시뮬레이션
- 논문 말미에서는 다양한 네트워크 토폴로지(균등 분포, 클러스터형)와 파라미터(전송 거리 범위, 노이즈 레벨)를 대상으로 시뮬레이션을 수행한다. 결과는 이론적 근사비와 실행 시간이 실제 환경에서도 일관되게 유지됨을 보여준다. 특히 Full‑Duplex·Uniform 전력 조합에서 가장 빠른 수렴을 보였으며, Half‑Duplex·Adaptive 전력에서는 약간의 성능 저하가 있었지만 여전히 상수‑팩터 근사 범위 내에 머물렀다.

핵심 인사이트

SINR 모델의 비국소성을 물리적 캐리어 센싱과 무작위 선택으로 효과적으로 “국소화”할 수 있다.
링크 다양도 (g(L))를 알고리즘 복잡도에 명시함으로써, 실제 네트워크에서 상수‑시간 실행이 가능함을 증명했다.
전·후이중, 전력 제어 방식에 따라 복잡도 지수 (c)가 달라지지만, 모두 상수‑팩터 근사를 유지한다는 점에서 실용적 설계 가이드라인을 제공한다.