유전 알고리즘을 활용한 네트워크 신뢰도 최적화

초록

본 논문은 정해진 노드 수(N)와 링크 수(L)를 갖는 연결 그래프 중, 시스템 신뢰도를 최대화하는 토폴로지를 찾기 위해 유전 알고리즘(GA)을 적용한다. 그래프의 인접 행렬을 문자열 형태로 인코딩하고, 변이 연산은 그래프 재배선, 교차 연산은 부분 그래프 교환으로 구현한다. 작은 규모에서는 전수 탐색과 일치하는 최적 해를 빠르게 찾으며, 큰 규모에서는 GA가 효율적으로 탐색함과 동시에 최적 그래프가 높은 대칭성을 가진다는 통찰을 제공한다.

상세 분석

이 연구는 네트워크 신뢰도 최적화 문제를 조합 최적화의 한 형태로 정의하고, 전통적인 전수 탐색이 계산량 폭발을 일으키는 한계를 명확히 제시한다. 신뢰도는 각 링크가 독립적으로 고장 확률 p를 가질 때, 전체 네트워크가 연결된 상태를 유지할 확률로 정의되며, 이는 인접 행렬 A의 전이 행렬을 이용한 모노폴리 제곱법 등 수치적 방법으로 계산된다. 저자는 인접 행렬의 상삼각 부분을 0‑1 문자열로 변환해 유전 알고리즘의 염색체로 사용함으로써, 그래프 구조를 직접적으로 조작할 수 있는 효율적인 표현 방식을 채택한다. 변이 연산은 무작위로 선택된 두 비연결 노드 쌍 사이에 링크를 추가하거나 기존 링크를 제거하는 방식으로 구현되어, 그래프의 재배선을 의미한다. 교차 연산은 두 부모 염색체의 문자열을 일정 구간에서 교환함으로써, 부분 그래프를 서로 교환하는 효과를 만든다. 중요한 제약 조건인 ‘연결성 유지’를 보장하기 위해, 변이·교차 후에 연결성 검사를 수행하고, 연결이 끊어진 경우 해당 해를 폐기하거나 복구 절차를 적용한다. 선택 메커니즘은 적합도(신뢰도) 기반의 룰렛 휠 혹은 토너먼트 방식을 사용해 고신뢰도 해가 다음 세대로 전달될 확률을 높인다. 실험 결과, N=5, L=6인 작은 그래프에서는 전수 탐색과 동일한 최적 해를 평균 20 세대 이내에 수렴시켰으며, N=12, L=20인 중간 규모에서는 전통적인 휴리스틱 대비 3배 이상 빠른 수렴 속도를 보였다. 특히, 최적 해가 높은 대칭성을 띠는 경향이 관찰되었는데, 이는 그래프 이론에서 대칭성이 높은 구조가 평균 경로 길이와 평균 차수 분포를 균등하게 만들어 전체 연결 확률을 높이는 메커니즘과 일치한다. 그러나 변이율과 교차율의 파라미터 설정에 따라 탐색 다양성이 크게 달라지며, 과도한 변이는 최적 해 주변의 미세 조정을 방해하고, 과소 변이는 지역 최적에 머무를 위험이 있다. 또한, 연결성 검사를 위한 BFS/DFS 연산이 대규모 네트워크에서는 병목이 될 수 있어, 병렬화 혹은 효율적인 연결성 유지 전략이 필요하다. 전반적으로 이 논문은 네트워크 신뢰도 최적화에 GA를 적용한 체계적인 프레임워크를 제시하고, 대칭성이라는 새로운 설계 원칙을 실증적으로 제시함으로써 향후 복원력 높은 인프라 설계에 중요한 시사점을 제공한다.