비대칭 분산 제약 최적화 문제와 새로운 해결 알고리즘

초록

본 논문은 기존 DCOP 모델이 대칭적 제약만을 표현할 수 있는 한계를 극복하고, 에이전트마다 서로 다른 비용·이익을 가질 수 있는 비대칭 제약을 공식화한 ADCOP 프레임워크를 제안한다. 이를 기반으로 완전 탐색 알고리즘과 로컬 서치 기반 근사 알고리즘을 설계·평가하여, 실행 시간·통신 부하·프라이버시 측면에서 기존 방법보다 우수함을 실험적으로 입증한다.

상세 분석

본 연구는 분산 제약 최적화(DCOP) 분야에서 가장 근본적인 가정인 제약의 대칭성을 의문시한다. 전통적인 DCOP에서는 모든 에이전트가 동일한 비용 함수를 공유하므로, 실제 다중 에이전트 시스템에서 흔히 발생하는 ‘비대칭 비용’—예를 들어, 전력 소비량이 서로 다른 가전제품이 동일한 전력 제한에 대해 서로 다른 불편을 겪는 경우—를 모델링할 수 없었다. 논문은 이러한 비대칭성을 정형화하기 위해 ‘Asymmetric DCOP(ADCOP)’이라는 새로운 모델을 정의한다. 핵심 아이디어는 각 제약을 다루는 에이전트마다 별도의 비용 테이블을 유지하도록 허용함으로써, 동일한 제약에 대해 서로 다른 비용 값을 부여할 수 있게 하는 것이다. 이때 제약의 정의는 (i) 변수 소유 관계, (ii) 각 에이전트가 인식하는 비용 함수, (iii) 전역 목표는 전체 비용의 합을 최소화하는 것으로 구성된다.

제안된 모델은 기존의 변형된 DCOP 표현(예: 비용을 평균하거나 최대값을 사용)과 비교했을 때, 정보 손실이 없으며 프라이버시 보호 측면에서도 유리하다. 기존 변형에서는 한 에이전트가 다른 에이전트의 비용 정보를 추론할 위험이 있었지만, ADCOP에서는 각 에이전트가 자신의 비용만을 보유하고, 통신 과정에서도 상대방의 비용을 직접 노출하지 않는다.

알고리즘 측면에서는 두 가지 범주를 제시한다. 첫째, 완전 탐색 알고리즘인 ‘ADCOP‑A*’와 ‘ADCOP‑BnB’는 비대칭 비용 구조를 활용해 탐색 공간을 효과적으로 축소한다. 특히, 비용 하한을 계산할 때 각 에이전트별 비용을 개별적으로 고려함으로써, 전통적인 DCOP용 A*가 과도하게 탐색하는 상황을 방지한다. 실험 결과, 동일한 문제 인스턴스에 대해 실행 시간이 평균 30~50% 감소하고, 전송되는 메시지 양도 현저히 줄어드는 것이 확인되었다.

둘째, 로컬 서치 기반 근사 알고리즘인 ‘Asymmetric DSA’와 ‘Asymmetric MGM’은 비대칭 비용에 특화된 이웃 선택 및 비용 평가 메커니즘을 도입한다. 기존 DSA나 MGM은 모든 에이전트가 동일한 비용 변화를 기대하고 움직이기 때문에, 비대칭 상황에서는 진동이나 수렴 실패가 빈번했다. 제안된 알고리즘은 각 에이전트가 자신의 비용 감소를 우선시하면서도, 이웃 에이전트의 비용 변화를 추정해 협조적으로 움직인다. 결과적으로 수렴 속도가 빨라지고, 최종 솔루션의 품질(전체 비용)도 기존 방법 대비 10~15% 개선되었다.

또한, 프라이버시 보호를 위한 ‘Cost Masking’ 기법을 도입해, 에이전트가 자신의 비용 테이블을 부분적으로 가릴 수 있게 함으로써, 알고리즘 수행 중에 노출되는 정보량을 최소화한다. 이는 특히 민감한 비용(예: 개인 일정, 비용 구조) 을 다루는 실제 응용에서 중요한 장점으로 작용한다.

전반적으로 논문은 비대칭 제약을 자연스럽게 모델링하고, 이를 효율적으로 해결할 수 있는 알고리즘 군을 제시함으로써, 기존 DCOP 연구의 한계를 크게 확장한다는 점에서 학술적·실용적 의의가 크다.