가중 제약 만족 문제를 위한 메모식·정확 하이브리드 알고리즘

초록

본 논문은 가중 제약 만족 문제(WCSP)를 해결하기 위해 버킷 소거(Bucket Elimination)를 재조합 연산으로 활용한 메모식 알고리즘을 제안한다. 이 메모식 알고리즘을 브랜치‑앤‑바운드와 미니‑버킷(Mini‑Buckets) 기반 하한 계산과 결합한 다단계 하이브리드 모델을 구축하고, 이를 최대 밀도 스틸 라이프(Maximum Density Still Life) 문제에 적용하였다. 실험 결과, 기존 최첨단 방법보다 빠르게 최적 해를 찾으며, 대규모 인스턴스에 대해 새로운 최적 해를 발견하였다.

상세 분석

WCSP는 변수에 할당된 값마다 비용을 부여하고, 전체 비용을 최소화하는 제약 최적화 문제로, 전통적인 CSP보다 해 공간이 훨씬 넓다. 완전 탐색 기법인 버킷 소거(BE)는 변수 순서에 따라 모든 제약을 차례로 결합해 정확한 해를 구하지만, 변수 수가 증가하면 메모리 요구량이 지수적으로 폭발한다. 이를 완화하기 위해 미니‑버킷(MB)이 제안되었으며, 이는 각 버킷을 작은 서브버킷으로 분할해 하한을 빠르게 계산한다. 그러나 MB는 근사적이며 최적성을 보장하지 못한다.

저자들은 BE를 단순히 완전 탐색 도구가 아니라 “최적 재조합 연산”으로 재해석한다. 메모식 알고리즘(MA) 내에서 두 부모 해를 선택하고, 해당 변수들의 할당을 고정한 뒤 BE를 적용하면 부모 집합으로부터 가능한 최고의 자식을 정확히 생성할 수 있다. 이 과정은 기존 교차 연산이 무작위성을 갖는 것과 달리, 탐색 공간을 체계적으로 축소한다는 장점이 있다. 또한, MA는 전통적인 변이 연산과 로컬 서치(예: 탭우 서치)를 결합해 탐색 다양성을 유지한다.

다단계 하이브리드에서는 먼저 MB를 이용해 각 부분 문제에 대한 하한을 계산하고, 이를 브랜치‑앤‑바운드(B&B) 프레임워크에 삽입해 가지치기를 강화한다. B&B는 현재 최선 해보다 비용이 큰 부분 트리를 즉시 배제함으로써 전체 탐색을 크게 줄인다. 동시에, MA가 생성한 고품질 후보 해는 B&B의 초기 상한값으로 활용되어 초기 가지치기 효율을 높인다. 이렇게 BE‑기반 교차, MB‑기반 하한, B&B‑기반 전역 탐색이 유기적으로 결합되면, 각각 단독으로 사용할 때보다 메모리와 시간 복잡도가 현저히 낮아진다.

실험 대상인 최대 밀도 스틸 라이프 문제는 Conway의 게임 오브 라이프 규칙을 만족하면서 살아있는 셀의 비율을 최대화하는 2차원 격자 최적화 문제이다. 이 문제는 각 행을 변수로 보고, 인접 행 간의 제약을 가중치 형태로 모델링할 수 있어 WCSP의 전형적인 사례가 된다. 저자들은 10×10부터 30×30까지 다양한 크기의 인스턴스에 대해 기존 SAT‑기반, ILP‑기반, 그리고 순수 메타휴리스틱 방법과 비교하였다. 결과는 동일하거나 더 큰 인스턴스에 대해 기존 최적 해를 동일 시간 내에 재현했으며, 특히 28×28, 30×30 규모에서는 이전에 알려지지 않은 최적 해를 발견했다. 이는 메모리 사용량을 크게 절감하면서도 탐색 효율을 유지한 것이 핵심이다.

이 논문의 핵심 기여는 (1) BE를 재조합 연산으로 활용한 메모식 알고리즘 설계, (2) MB와 B&B를 결합한 다단계 하이브리드 프레임워크, (3) 실질적인 대규모 WCSP 인스턴스에 대한 최적 해 및 새로운 최적 해 제공이다. 또한, 제안된 구조는 WCSP의 특성상 비용 함수가 가산적이고 제약이 로컬하게 정의되는 대부분의 실제 문제에 일반화 가능함을 시사한다.