병렬 투사 기법을 활용한 메트릭 제약 최적화 가속화

초록

본 논문은 메트릭 제약 최적화 문제의 삼각 부등식 제약을 동시에 여러 개씩 처리할 수 있는 새로운 병렬 실행 스케줄을 제안한다. Dykstra 방법을 기반으로 하여, 인덱스가 하나 이하만 겹치는 제약들을 그룹화하고 충돌 없이 병렬 투사를 수행한다. 이를 상관 군집화의 선형 완화(LP) 문제에 적용해 최대 2.9조 개의 제약을 다루는 실험에서 평균 5배, 최대 11배의 속도 향상을 확인하였다.

상세 분석

메트릭 제약 최적화는 거리 변수 (x_{ij})에 대해 (x_{ij}\le x_{ik}+x_{jk}) 형태의 삼각 부등식이 (O(n^3)) 개 존재하기 때문에 메모리와 연산량이 급격히 증가한다. 기존 연구에서는 메모리 효율이 높은 투사 기반 알고리즘, 특히 Dykstra’s method(또는 Hildreth, Han 방법) 를 사용해 대규모 문제를 해결했지만, 선형 수렴률만을 보이며 실시간 응용에는 부적합했다.

이 논문의 핵심 기여는 “두 제약이 동시에 수행될 수 있는 조건”을 수학적으로 정의하고, 이를 기반으로 제약 집합을 (S_{i,k}) 라는 블록으로 분할하는 것이다. 각 블록은 가장 작은 인덱스 (i)와 가장 큰 인덱스 (k)를 고정하고, 중간 인덱스 (j)만 변화시키는 모든 삼중항 ((i,j,k))를 포함한다. 서로 다른 블록 (S_{i,k})와 (S_{i’,k’})는 최소 하나의 인덱스만 겹치므로, 동일한 프로세서가 블록 전체를 순차적으로 처리해도 변수 충돌이 발생하지 않는다.

병렬화 구현 시에는 각 스레드가 하나의 (S_{i,k}) 집합을 담당하고, Dykstra’s method의 보정 단계(correction) 와 투사 단계(projection) 를 로컬하게 수행한다. 보정 단계는 이전 이중 변수 (y_i) 를 이용해 현재 변수값을 조정하는데, 이 역시 해당 삼중항에 포함된 세 변수만을 수정하므로 메모리 접근 패턴이 매우 국소적이다. 따라서 캐시 효율이 높고, 락이나 원자 연산 없이도 안전하게 병렬화가 가능하다.

알고리즘의 수렴 보장은 기존 Dykstra’s method와 동일하게 유지된다. 제약 순서를 재배열했을 뿐이며, 전체 순회(pass)마다 모든 제약을 정확히 한 번씩 방문한다. 실험에서는 상관 군집화(LP relaxation) 문제에 적용했으며, (n)이 10,000 정도일 때 2.9조 개의 삼각 부등식 제약을 메모리 30 GB 이하로 처리했다. 8코어 환경에서 평균 5배, 32코어 환경에서는 11배 가량의 속도 향상이 관찰되었으며, 솔루션 품질(목표 함수값 및 제약 위반도) 역시 기존 직렬 방법과 동일하거나 약간 개선되었다.

이 접근법은 메트릭 제약이 존재하는 거의 모든 선형·이차 최적화 문제에 적용 가능하다는 점에서 일반성도 높다. 특히, 메모리 제한이 심한 대규모 그래프 클러스터링, 센서 네트워크 위치 추정, 메트릭 근접성 문제 등에 바로 활용될 수 있다. 향후 연구에서는 GPU와 같은 고도로 병렬화된 하드웨어에 맞춘 구현, 그리고 비선형 메트릭 제약(예: (p)-norm 근접성)에도 확장하는 방안을 모색할 필요가 있다.