대규모 가상 네트워크 임베딩을 위한 분해 접근법

초록

본 논문은 5G 네트워크 슬라이싱에서 핵심적인 가상 네트워크 임베딩(VNE) 문제를 해결하기 위해, 가상 네트워크를 자동으로 파티셔닝하는 새로운 정수선형 모델과 컬럼 생성 기반의 가격‑분기(Price‑and‑Branch) 휴리스틱을 제안한다. 실제 백본 토폴로지를 활용한 대규모 벤치마크에서 기존 흐름 기반 모델보다 훨씬 강력한 하한을 제공하고, 제한된 자원 상황에서도 높은 품질의 해를 빠르게 찾는다.

상세 분석

VNE 문제는 가상 노드의 일대일 배치와 가상 링크의 경로 라우팅을 동시에 고려해야 하는 NP‑complete 문제이며, 특히 5G 슬라이스와 같이 장기간 유지되는 대규모 네트워크에서는 자원 효율성이 핵심 과제가 된다. 기존 연구에서는 주로 온라인 상황에 맞춘 그리디 혹은 메타휴리스틱이 사용되었으며, 수학적 최적화 접근법으로는 흐름(Flow) 모델이 널리 쓰였지만, 선형 완화 시 제공되는 하한이 매우 약해 실제 최적값과의 격차가 크다는 한계가 있었다.

이 논문은 이러한 한계를 극복하기 위해 가상 네트워크를 자동으로 파티셔닝하는 “Virtual Partition Formulation”(VPF)을 도입한다. 파티션은 가상 그래프를 여러 서브그래프로 나누어 각각을 독립적인 컬럼으로 취급함으로써, 전체 변수 공간을 크게 축소하고 컬럼 생성 과정에서 발생하는 가격 문제(pricing problem)를 다시 VNE 서브문제로 전환한다. 가격 문제는 제한된 파티션 내에서 최적 경로와 배치를 찾는 작은 규모의 VNE 인스턴스로 풀리므로, 기존의 전체 경로 열 생성보다 계산 효율성이 크게 향상된다.

컬럼 생성 알고리즘은 LP 완화 해의 듀얼 값을 이용해 가장 비용 효율적인 파티션을 반복적으로 추가한다. 저자는 가격 문제를 해결할 때 휴리스틱 기반의 라우팅과 노드 매칭을 결합해, 최적성은 유지하면서도 실행 시간을 단축하는 전략을 제시한다. 또한, 컬럼 생성 과정에서 얻은 부분 해들을 이용해 분기(Branch) 단계에서 변수 고정을 수행하는 “Price‑and‑Branch” 프레임워크를 설계하였다. 이 프레임워크는 컬럼 생성과 분기를 교차적으로 진행함으로써, LP 하한을 지속적으로 강화하고 동시에 정수 해를 탐색한다.

실험에서는 Internet Topology Zoo와 SNDlib에서 추출한 실제 백본 토폴로지를 사용해 50200노드 규모의 서브스트레이트와 50150노드 규모의 가상 네트워크를 구성하였다. 요구량은 단위값으로 통일했으며, 대·중·소 용량 시나리오를 통해 자원 제약 정도를 다양하게 설정했다. 결과는 다음과 같다. (1) VPF 기반 컬럼 생성은 기존 흐름 모델 대비 평균 30%~45% 더 높은 하한을 제공한다. (2) Price‑and‑Branch 휴리스틱은 동일 시간 제한 하에 기존 최고 성능 휴리스틱(ViNE, Greedy‑LocalSearch 등)보다 15%~25% 낮은 비용의 해를 찾으며, 특히 소용량 시나리오에서 해를 찾지 못하던 경우에도 90% 이상의 성공률을 보였다. (3) 파티션 자동 생성은 문제 규모가 커질수록 효율이 증가해, 150노드 가상 네트워크에서도 10분 이내에 고품질 해를 도출한다.

이러한 결과는 VNE 문제를 대규모 오프라인 환경에서 다룰 때, 기존의 흐름 기반 선형 완화가 제공하는 약한 하한을 보완하고, 실용적인 솔루션을 신속히 얻을 수 있는 새로운 패러다임을 제시한다는 점에서 의의가 크다.