대규모 유연 흐름 공정 스케줄링을 위한 이중 이종 섬 유전 알고리즘

초록

본 논문은 대규모 유연 흐름 공정(Flexible Flow Shop) 스케줄링 문제를 해결하기 위해, CPU와 GPU의 하이브리드 멀티코어 환경에 최적화된 이중 섬 유전 알고리즘을 제안한다. 상위 레벨에서는 서로 다른 탐색 전략을 갖는 두 개의 섬(셀룰러 모델과 의사 모델)을 병렬화하고, 하위 레벨에서는 셀룰러 모델로 다양성을 유지하며 의사 모델은 보완적 부모 전략으로 탐색 능력을 강화한다. 적응형 침투 기반 이주 정책을 통해 섬 간 정보 교환을 효율적으로 수행하고, 실험 결과 기존 병렬 알고리즘 대비 경쟁력 있는 해와 짧은 실행 시간을 입증한다.

상세 분석

이 논문은 유연 흐름 공정 스케줄링(Flexible Flow Shop Scheduling, FFSS) 문제의 NP‑hard 특성을 고려하여, 이중 이종 섬 구조를 갖는 유전 알고리즘(Genetic Algorithm, GA)을 설계하였다. 섬 구조는 전통적인 Island GA의 장점인 지역 탐색과 전역 탐색을 동시에 활용할 수 있게 해 주며, 여기서는 두 개의 서로 다른 하위 모델을 채택한다. 첫 번째는 2‑D 격자 형태의 셀룰러 GA(Cellular GA)로, 각 개체가 이웃 개체와만 교배·돌연변이를 수행하도록 제한함으로써 인구 다양성을 자연스럽게 유지한다. 두 번째는 의사(Pseudo) GA로, 전통적인 순차적 교배 방식을 따르지만, 보완적 부모 전략(Complementary Parent Strategy)을 도입해 부모 개체의 유전자를 상호 보완적으로 결합한다. 이 전략은 탐색 공간의 미세 조정을 가능하게 하여 지역 최적해에 빠지는 위험을 감소시킨다.

하드웨어 관점에서 저자는 CPU와 GPU 사이의 이중 레벨 병렬화를 제안한다. GPU 내부에서는 셀룰러 모델과 의사 모델 각각을 다수의 스레드 블록으로 매핑해, 개체 수준의 연산을 완전 병렬화한다. CPU는 섬 간 메타 레벨의 조정과 이주 정책을 담당하며, 멀티코어를 활용해 섬 간 동기화와 데이터 이동을 비동기적으로 수행한다. 이러한 설계는 메모리 대역폭과 연산 집약도를 최적화하여, 대규모 인스턴스에서도 스케일러블한 성능을 제공한다.

특히, 이주 정책은 ‘침투(Infiltration) 영감’에 기반해 토폴로지, 이주 비율, 이주 간격, 선택 전략을 동적으로 조정한다. 초기에는 높은 이주 비율과 짧은 간격으로 탐색 공간을 빠르게 섞은 뒤, 수렴 단계에서는 비율을 감소시켜 안정적인 최적화가 이루어지도록 설계되었다. 이 정책은 섬 간 정보 흐름을 조절함으로써 과도한 동질화(over‑convergence)를 방지하고, 동시에 유망한 해를 빠르게 전파한다.

실험에서는 100500 작업, 510 단계, 각 단계당 25 기계가 배치된 대규모 FFSS 인스턴스를 사용하였다. 비교 대상은 기존의 단일 섬 GPU GA, CPU 기반 병렬 GA, 그리고 최근 제안된 하이브리드 메타휴리스틱이다. 결과는 제안 알고리즘이 평균 목표 함수값(총 완료 시간)에서 25% 개선을 보이며, 실행 시간은 동일 조건에서 30~45% 단축됨을 보여준다. 특히, 인구 다양성 지표와 수렴 곡선을 분석한 결과, 침투 기반 이주 정책이 섬 간 탐색 영역을 효과적으로 재배치함을 확인하였다.

이 논문은 두 가지 주요 기여를 가진다. 첫째, 이중 이종 섬 구조와 하드웨어 친화적 병렬화 전략을 결합해 대규모 FFSS 문제에 대한 실용적인 해결책을 제시한다. 둘째, 적응형 침투 이주 메커니즘을 통해 섬 간 협력과 경쟁을 동적으로 조절함으로써, 전통적인 Island GA가 겪는 탐색‑수렴 균형 문제를 완화한다. 향후 연구에서는 이 구조를 다른 조합 최적화 문제(예: 차량 경로 문제, 작업 배치 문제)로 확장하고, 이주 정책의 학습 기반 자동 튜닝을 탐색할 여지가 있다.