분산 확률 전력 제어와 비볼록 최적화의 전역 해법

본 논문은 무선 애드혹 네트워크에서 전력 할당을 통해 시스템 전체 유틸리티를 극대화하려는 문제를 다룬다. 전통적인 전력 제어는 공동 채널 간섭으로 인한 전역적인 변수 결합 때문에 비볼록 최적화 문제로 귀결되며, 이는 NP‑hard 수준의 난이도를 가진다. 기존 연구들은 지역 최적해를 제공하거나 중앙집중식 방법으로 전역 최적을 구했지만, 전자는 전역 최적성을 보장하지 못하고 후자는 구현 비용이 과다했다. 논문은 먼저 전역 최적점이 실현 가능 유틸리티 영역(F)의 경계에 존재한다는 레마 2.1을 증명한다. 이 사실을 기반으로 각 사용자의 유틸리티 기여 비율 xₗ 을 도입해 원 문제(2)를 최소 가중치 유틸리티 최대화 형태인 문제(3) 로 변환한다. 변환된 문제는 max‑min 구조를 가지며, xₗ 은 단위 합을 만족하는 단순체 상의 점으로 해석된다. 다음으로 확장 이중성 이론(EDT)을 적용한다. EDT는 비선형 라그랑지안을 도입해 비볼록 문제에서도 영 이중성 격차를 확보한다. 이를 통해 원 문제와 이중 문제 사이에 강한 동등성을 확보하고, 각 사용자는 자신의 전력 pₗ 과 목표 비율 xₗ 을 독립적으로 업데이트할 수 있다. 제약 위반을 억제하기 위해 페널티 계수 α,β 를 라그랑지안에 추가한다. 분산 알고리즘 DSPC(Distributed Stochastic Power Control)는 위의 이중 문제를 시뮬레이티드 어닐링(SA) 기반 확률 탐색으로 해결한다. 각 사용자는 현재 SINR 값을 측정하고, 목표 유틸리티 비율을 무작위로 조정한다. 온도 매개변수 T 를 기하 급수적으로 감소시키는 냉각 스케줄을 적용해 초기에는 넓은 탐색을, 후반에는 최적점 근처에서 미세 조정을 수행한다. 이 과정에서 전역 최적성을 보장하지만 수렴 속도가 느리다는 단점이 있다. 이를 개선한 EDSPC(Enhanced DSPC)는 냉각 스케줄을 최적화하고, 페널티 파라미터를 동적으로 조정한다. 실험 결과 EDSPC는 DSPC에 비해 수렴 시간이 크게 단축되면서도 동일한 전역 최적 해를 얻는다. 두 알고리즘 모두 채널 이득 정보를 전혀 필요로 하지 않으며, 수신 측에서 측정한 SINR 피드백만으로 전력 조정을 수행한다. 따라서 메시지 교환 비용이 최소화된다. 알고리즘의 성능을 검증하기 위해 중앙집중식 알고리즘을 설계하였다. 이 알고리즘은 단순체를 ε‑그리드로 세분화해 모든 가능한 xₗ 조합을 탐색하고, 각 조합에 대해 문제(5)를 이진 탐색으로 해결한다. ε 를 충분히 작게 설정하면 전역 최적에 임의로 가까운 해를 얻을 수 있지만, 계산 복잡도가 급격히 증가한다. 다음으로 제안된 전력 제어를 백프레셔(back‑pressure) 스케줄링과 결합한다. 큐 길이를 가중치 wₗ 로 사용해 순간적인 가중 합률 최대화 문제를 풀면, 네트워크 전체의 큐 안정성을 보장한다. 이 통합 정책은 동적인 트래픽 흐름이 존재하는 상황에서도 분산적으로 구현 가능하며, 기존의 백프레셔 기반 스케줄링에 전력 최적화를 자연스럽게 추가한다. 마지막으로 멀티캐스트 전송을 고려한 확장을 제시한다. 하나의 전송이 여러 수신자를 동시에 서비스하는 경우, 각 멀티캐스트 그룹의 병목 링크에 대한 최소 유틸리티를 최대화하는 형태로 문제를 재정의한다. 동일한 EDT‑SA 기반 DSPC/EDSPC 절차를 적용하면, 멀티캐스트 트래픽에 대해서도 전역 최적 해를 얻을 수 있음을 증명한다. 전체 실험에서는 제안된 DSPC, EDSPC를 MAPEL, SEER, ADP와 비교하였다. DSPC/EDSPC는 전역 최적성을 유지하면서도 메시지 교환량이 현저히 적고, 특히 EDSPC는 수렴 속도 면에서 기존 분산 방법들을 크게 앞섰다. 또한 백프레셔와 결합한 정책은 큐 길이 감소와 시스템 처리량 향상을 동시에 달성하였다. 결론적으로, 본 논문은 비볼록 전력 제어 문제에 대해 전역 최적성을 보장하는 분산 알고리즘을 설계하고, 이를 스케줄링, 멀티캐스트 등 다양한 네트워크 상황에 확장함으로써 실용적인 무선 애드혹 네트워크 운영에 기여한다.