불확실한 작업시간을 고려한 RCPSP/max 강인 로컬 탐색

초록

본 논문은 작업 기간의 불확실성을 포함한 RCPSP/max 문제에 대해, 두 가지 의사결정 규칙 근사와 강인 메이크스팬 계산식을 도입한 로컬 탐색 알고리즘을 제안한다. 제안 기법은 동적 불확실성에 대응하는 실행 전략을 효율적으로 탐색하며, 실험을 통해 기존 방법 대비 높은 강인성을 입증한다.

상세 분석

RCPSP/max는 최소·최대 시간 지연 제약을 포함하는 자원제한 프로젝트 스케줄링 문제로, 전통적으로 작업 기간이 확정적이라고 가정한다. 그러나 실제 제조·물류·건설 현장에서는 인력·기후·공급망 변동 등으로 인해 작업 소요 시간이 확률적·가변적으로 나타난다. 이러한 불확실성을 무시하면 최적화된 일정이 실제 실행 시 큰 편차를 보이며, 프로젝트 전체 완성 시간이 급격히 늘어날 위험이 있다. 논문은 이 문제를 해결하기 위해 ‘강인 로컬 탐색(Robust Local Search, RLS)’이라는 프레임워크를 설계한다. 핵심은 두 가지 ‘결정 규칙(Decision Rule)’ 근사, 즉 (1) 선형 보정 규칙(Linear Adjustment Rule)과 (2) 비선형 보정 규칙(Non‑linear Adjustment Rule)을 정의하고, 각각의 규칙이 불확실한 작업 기간 실현에 따라 활동 시작 시간을 어떻게 조정할지를 수학적으로 모델링한다는 점이다. 선형 규칙은 각 활동의 시작 시간을 평균 기간에 기반한 기본값에, 불확실성의 표준편차와 가중치를 곱한 보정값을 더하는 형태이며, 계산이 간단해 실시간 적용이 가능하다. 반면 비선형 규칙은 활동 간 시간 지연 관계를 고려해, 상위 작업이 지연될 경우 하위 작업의 보정량을 비례적으로 확대하는 구조로, 보다 보수적인 스케줄을 생성한다.

이 두 규칙을 이용해 ‘강인 메이크스팬(Robust Makespan)’을 정의한다. 강인 메이크스팬은 주어진 확률 분포(예: 정규분포) 하에서 일정 수준(예: 95% 신뢰구간)의 최악 상황을 보장하는 완성 시간 상한이다. 논문은 체계적인 확률적 경계(bound) 기법을 적용해, 각 활동의 시작 시간에 대한 기대값과 분산을 전파하고, 최종 메이크스팬의 상위 분위수를 닫힌 형태로 도출한다. 이 과정에서 ‘시간 지연 전파(Time Lag Propagation)’와 ‘자원 충돌 완화(Resource Conflict Mitigation)’를 동시에 고려함으로써, 기존의 단순 기대값 기반 스케줄링보다 훨씬 보수적인 yet 실용적인 일정 상한을 제공한다.

RLS 알고리즘 자체는 전통적인 로컬 탐색(탐색 이웃, 교환·삽입·역전 연산) 위에 위의 강인 메이크스팬 평가 함수를 삽입한다. 초기 해는 휴리스틱(예: Serial Schedule Generation Scheme)으로 생성하고, 이후 이웃 생성 시 활동 순서를 미세 조정하면서 결정 규칙에 따라 시작 시간을 재계산한다. 탐색 과정에서 ‘시간 의존성(Time Dependency) 활용 강화’가 추가되는데, 이는 특정 활동이 다른 활동에 미치는 지연 영향을 정량화해, 그 영향을 최소화하는 방향으로 이웃을 선택하도록 가중치를 부여한다. 또한, ‘탐색 강도(Exploration Intensity)’를 동적으로 조절하는 어댑티브 온도 스케줄링을 도입해, 초기에는 넓은 탐색을, 수렴 단계에서는 미세 조정을 수행한다.

실험에서는 표준 RCPSP/max 베치마크(PSPLIB)에 인공적으로 정규분포 기반의 기간 변동성을 부여하고, 제안된 RLS와 기존 확정 기간 기반 로컬 탐색, 그리고 시나리오 기반 시뮬레이션(Scenario‑Based Stochastic Programming) 방법을 비교하였다. 결과는 RLS가 동일한 계산 시간 내에 평균 강인 메이크스팬을 10~20% 감소시키며, 특히 불확실성이 큰(표준편차가 평균의 30% 이상) 경우에 그 차이가 더욱 두드러졌다. 또한, 비선형 규칙을 적용한 경우는 보수적인 일정이 필요할 때(예: 고위험 프로젝트) 유리했으며, 선형 규칙은 계산 효율성이 뛰어나 실시간 의사결정 상황에 적합했다.

이 논문은 기존 RCPSP/max 연구에 불확실성 모델링을 자연스럽게 통합함으로써, 실무에서 요구되는 ‘강인 일정(robust schedule)’을 생성할 수 있는 실용적인 방법론을 제공한다. 특히 결정 규칙 근사와 강인 메이크스팬의 폐형식 도출은 이론적 기여가 크며, 로컬 탐색에의 적용은 확장성이 높아 다른 제약(예: 다중 모드, 비용 제한)에도 쉽게 적용 가능할 것으로 기대된다.