동적 TSP를 위한 링 이웃 구조 기반 병렬 ACO

초록

본 논문은 도시 간 거리(시간)가 실시간으로 변동하는 동적 TSP에 대해, 도시를 제한된 반경 내에서 이동시킬 수 있는 링 이웃 모델을 도입한 병렬 개미군집 최적화(ACO) 알고리즘을 제안한다. 제안 기법은 다중 프로세서 환경에서 개미 집단을 분산시키고, 각 프로세서는 독립적인 페로몬 업데이트와 로컬 탐색을 수행한다. 실험 결과, 대규모 인스턴스에서 기존 정적 ACO 대비 수렴 속도와 해의 품질이 현저히 향상됨을 확인하였다.

상세 분석

이 연구는 동적 TSP(DTSP)라는 복합 문제에 대한 새로운 접근법을 제시한다. 기존 DTSP 연구는 주로 거리 행렬이 시간에 따라 급격히 변하거나, 새로운 도시가 삽입·삭제되는 시나리오에 초점을 맞추었다. 반면 본 논문은 도시 자체가 작은 반경, 즉 “링 이웃” 내에서 연속적으로 이동할 수 있다는 가정을 도입함으로써, 실제 교통 상황에서 발생하는 미세한 시간 변동을 보다 현실적으로 모델링한다. 이러한 가정 하에 저자들은 두 가지 핵심 메커니즘을 설계하였다. 첫째, 각 프로세서는 독립적인 개미 집단을 유지하면서, 전역 페로몬 매트릭스를 주기적으로 동기화한다. 이때 동기화 주기는 동적 변화의 감지 빈도와 연계되어, 과도한 통신 오버헤드를 최소화한다. 둘째, 개미가 선택하는 다음 도시 후보는 전통적인 완전 연결 그래프 대신, 현재 위치를 중심으로 반경 R(링)의 이웃 도시 집합으로 제한된다. 이 “링 이웃” 구조는 탐색 공간을 축소시켜 계산량을 크게 감소시키면서도, 도시 이동이 제한적이기 때문에 최적 경로 손실을 최소화한다. 알고리즘 흐름은 크게 (1) 초기 페로몬 배치, (2) 각 프로세서에서 개미가 링 이웃 내에서 경로 구축, (3) 로컬 최적화(2‑opt 등) 적용, (4) 로컬 페로몬 업데이트, (5) 전역 페로몬 동기화의 순환으로 이루어진다. 실험에서는 TSPLIB 기반 500~2000 도시 규모 인스턴스를 사용했으며, 동적 변동은 평균 5% 내외의 거리 변화를 갖는 Gaussian 노이즈와, 일정 주기마다 무작위로 선택된 도시의 좌표 이동으로 구현하였다. 결과는 기존 순차 ACO 대비 평균 2.8배 빠른 수렴과, 최적해와의 평균 갭을 1.3% 수준으로 감소시켰다. 특히, 프로세서 수가 증가함에 따라 통신 비용이 선형적으로 증가하지 않아, 대규모 클러스터 환경에서도 확장성이 검증되었다. 이러한 설계는 페로몬의 과잉 증폭을 방지하고, 동적 환경에서의 탐색-활용 균형을 유지하는 데 기여한다.