모바일 애드혹 네트워크의 안정성 및 분산 전력 제어

초록

본 논문은 MANET에서 홉별 패킷 손실과 ARQ 재전송을 고려한 성공 확률 함수를 도입하고, 이를 전력·전송률과 연계해 용량 영역을 도출한다. 이후 안정성을 보장하는 네트워크 유틸리티 최대화 문제를 입력 속도 제어와 스케줄링으로 분리하고, 스케줄링을 가중합 최대화 형태로 완화한다. 각 노드가 독립적으로 전력을 선택하는 초모듈라 게임을 구성하고, 가격 기반 반복 알고리즘을 제안하여 최적 조건을 만족하는 전력 배분을 얻는다. 시뮬레이션 결과는 제안 알고리즘이 거의 최적에 가깝다는 것을 보여준다.

상세 분석

이 연구는 모바일 애드혹 네트워크(MANET)에서 전송 성공 확률을 단순한 신호대잡음비(SNR) 임계값이 아니라, 전력·전송률에 의해 직접 조절 가능한 함수로 모델링한다는 점에서 혁신적이다. 특히, 각 홉의 성공 확률을 (p_{ij}(P_{ij},R_{ij})) 형태로 정의하고, 이를 이용해 링크당 기대 전송량(굿풋) (g_{ij}=R_{ij}p_{ij}) 를 도출한다. 이 함수는 전력 증가에 대해 비감소이며, 전송률 증가에 대해서는 일정 구간에서 증가 후 포화되는 특성을 보인다. 논문은 이러한 성질을 정리하고, 굿풋 함수가 연속·볼록·준동형(convex‑concave) 구조를 갖는다는 수학적 증명을 제공한다.

용량 영역(또는 안정성 영역)은 모든 노드의 평균 입입률 벡터 (\lambda) 가 존재하는 스케줄링 정책 집합 (\Pi) 에 대해 (\lambda \le \sum_{\pi\in\Pi}\alpha_{\pi} \mathbf{g}(\pi)) 를 만족하는 경우로 정의된다. 여기서 (\alpha_{\pi}) 는 정책 선택 확률이며, (\mathbf{g}(\pi)) 는 해당 정책 하의 굿풋 벡터이다. 이 식은 전통적인 스루풋 기반 용량 영역과 달리, 재전송에 따른 손실을 내재화한 형태이며, 성공 확률 함수가 비선형이므로 기존의 라그랑주 승수법을 바로 적용하기 어렵다.

이를 해결하기 위해 저자들은 네트워크 유틸리티 최대화(NUM) 문제를 두 단계로 분해한다. 첫 번째는 각 노드가 자신의 입입률을 유틸리티 함수 (U_i(\lambda_i)) 를 최대화하도록 조정하는 입력 속도 제어 문제이며, 두 번째는 현재 입입률을 안정화시키는 스케줄링 문제다. 스케줄링 문제는 가중합 최대화 (\max_{\pi\in\Pi}\sum_i w_i g_i(\pi)) 로 완화되는데, 여기서 가중치 (w_i) 는 입력 속도 제어 단계에서 얻어진 라그랑주 승수와 동일하다.

스케줄링을 완전히 중앙집중식으로 해결하는 대신, 각 노드는 자신이 선택한 전송 링크에 대해 전력 (P_{ij}) 를 독립적으로 결정한다. 전력 선택은 초모듈라 게임으로 모델링되며, 각 플레이어의 전략 집합은 전력 제한 구간, 비용 함수는 자신의 굿풋 감소와 다른 노드에 미치는 간섭을 고려한다. 초모듈라 게임의 핵심은 전략이 증가함에 따라 상대방의 최적 반응도 증가한다는 초모듈라성(supermodularity)이다. 이를 이용해 베스트 리스폰스 다이내믹스가 단조 수렴을 보이며, 가격 변수 (\mu_{ij}) 를 도입해 각 링크에 대한 전력 비용을 조정한다. 가격 업데이트는 (\mu_{ij}^{(t+1)}=\left