온라인 병렬 기계 스케줄링 일반화 문제와 효율적 휴리스틱

초록

본 논문은 작업당 다중 태스크를 포함하는 일반화된 병렬 기계 스케줄링 문제를 대상으로, 온라인 환경에서 적용 가능한 여러 휴리스틱 알고리즘을 설계·분석하고, 시뮬레이션을 통해 성능을 비교한다.

상세 분석

논문은 먼저 전통적인 병렬 기계 스케줄링 문제를 확장하여, 각 작업이 하나 이상의 순차적인 태스크로 구성되는 워크플로우 형태를 가정한다. 이때 목표는 전체 작업의 완료 시점인 메이크스팬을 최소화하는 것이며, 기계는 동시다발적으로 여러 작업을 처리할 수 있지만, 각 기계는 한 번에 하나의 태스크만 수행한다는 제약을 둔다. 이러한 모델은 클라우드 컴퓨팅이나 제조 현장의 실제 생산 라인에 흔히 나타나는 복합 작업 흐름을 보다 현실적으로 반영한다.

온라인 알고리즘 설계에 있어 저자는 사전 정보가 전혀 없는 상황을 가정하고, 작업이 도착할 때마다 즉시 할당 결정을 내려야 한다는 제약을 강조한다. 이를 위해 세 가지 주요 휴리스틱을 제시한다. 첫 번째는 “가장 빠른 기계 우선”(Fastest-Machine-First, FMF) 전략으로, 현재 작업의 첫 번째 태스크를 가장 짧은 예상 처리 시간을 가진 기계에 할당한다. 두 번째는 “최소 여유 시간 우선”(Least-Slack-First, LSF) 전략으로, 각 작업의 전체 남은 작업량과 현재 기계들의 가용 시간을 비교해 가장 여유가 적은 작업을 우선 처리한다. 세 번째는 “동적 균형”(Dynamic-Balancing, DB) 전략으로, 기계별 부하를 실시간으로 모니터링하며, 부하가 높은 기계에 새로운 작업을 할당하지 않도록 조정한다.

알고리즘의 이론적 성능 분석에서는 경쟁비율(competitive ratio)을 중심으로 상한을 도출한다. FMF는 최악의 경우 최적 해 대비 2배 이하의 메이크스팬을 보장한다는 증명을 제시하고, LSF는 작업의 태스크 수와 기계 수에 따라 O(log k) 수준의 경쟁비율을 얻는다. DB 전략은 실험적 관점에서 가장 낮은 평균 경쟁비율을 기록했으며, 특히 기계 수가 많고 작업 도착률이 높은 상황에서 부하 균형 효과가 두드러졌다.

시뮬레이션 환경은 무작위 작업 집합과 실제 제조 공정 데이터를 기반으로 두 가지 시나리오를 구성한다. 무작위 실험에서는 작업당 태스크 수를 15개, 기계 수를 520대로 변동시키며, 각 알고리즘의 메이크스팬, 평균 대기 시간, 기계 이용률을 측정한다. 실제 데이터 실험에서는 제조 라인의 작업 순서와 처리 시간을 그대로 사용해, 알고리즘이 실제 현장에 적용될 때의 실용성을 검증한다. 결과는 전반적으로 DB 전략이 메이크스팬을 10~15% 정도 감소시키고, 기계 이용률을 5% 이상 향상시켰음을 보여준다.

마지막으로 논문은 온라인 스케줄링의 한계점과 향후 연구 방향을 논의한다. 현재 모델은 선행-후행 관계가 없는 단순 순차 태스크만을 고려했으며, 태스크 간 의존성 그래프가 복잡한 경우에는 추가적인 알고리즘 설계가 필요함을 지적한다. 또한, 기계의 가동·정지 비용, 에너지 소비와 같은 현실적인 제약을 포함시키는 다목적 최적화 문제로의 확장 가능성을 제시한다.