다품종 네트워크의 효율적인 알고리즘 개발 - 정보통신 네트워크에의 적용 -

윤석진; 장경수

추천

검색

자료유형: 학술저널

저자정보: 윤석진 (한국통신개발 연구원) 장경수 (연세대학교 경영학과)

저널정보: 한국정보기술전략혁신학회 정보학연구 정보학연구 제3권 제2호

발행연도: 2000.1

수록면: 73 - 85 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문에서는 여러가지 상이한 메세지를 전송하는 정보통신 네트워크의 효율적인 해법을 개발하였다. 이 문제는 네트워크 이론에서의 전형적인 다품종 네트워크로의 전환이 가능하다. 이러한 문제는 문제의 크기에 따라 계산의 복잡도가 지수적으로 증가하는 대표적인 NP-완전문제이다. 본 논문에서 개발된 해법은 전통적인 라그랑지 이완법을 보완한 것으로 다음과 같이 구성된다. 우선 우수한 초기 실현가능해(good initial feasible solution)를 얻을 수 있는 휴리스틱 방법을 개발하고 초기 실현가능해가 얻어지면 이를 이용하여 초기 쌍대변수(이완된 제약식에 붙게되는 라그랑지 승수)를 추정한다. 대개의 경우 쌍대 변수를 임의로 0으로 설정하고 해법을 수행하는데, 이 경우 쌍대 최적해와의 차이가 많이 나게되므로 비효율이 발생할 수 있다. 쌍대 최적해를 얻은 후 원문제의 실현가능조건을 위배하는 경우에는 재할당 방법(re-allocation method)를 통해 원문제의 실현가능조건을 충족하도록 한다. 해법의 성능(효율성) 테스트 결과 저자들이 개발한 해법이 수행속도 면에서 상업용 팩키지와 기존의 효율적인 해법들에 비하여 매우 우수하다는 결과를 얻을 수 있었다. 또한 본 해법은 최적해를 보장하지 않지만 최적해와의 차이가 평균 2% 미만의 근사 최적해를 얻을 수 있었다.

The efficient algorithms are suggested in this study for solving the multicommodity network flow problems applied to Communications Systems. These problems are typical NP-complete optimization problems that require integer solution and in which the computational complexity increases numerically in appropriate with the problem size. Although the suggested algorithms are not absolutely optimal, they are developed for computationally efficient and produce near-optimal and primal integral solutions. We supplement the traditional Lagrangian method with a price-directive decomposition. It proceeded as follows. First, A primal heuristic from which good initial feasible solutions can be obtained is developed. Second, the dual is initialized using marginal values from the primal heuristic. Generally, the Lagrangian optimization is conducted from a naive dual solution which is set as ${\lambda}=0$. The dual optimization converged very slowly because these values have sort of gaps from the optimum. Better dual solutions improve the primal solution, and better primal bounds improve the step size used by the dual optimization. Third, a limitation that the Lagrangian decomposition approach has Is dealt with. Because this method is dual based, the solution need not converge to the optimal solution in the multicommodity network problem. So as to adjust relaxed solution to a feasible one, we made efficient re-allocation heuristic. In addition, the computational performances of various versions of the developed algorithms are compared and evaluated. First, commercial LP software, LINGO 4.0 extended version for LINDO system is utilized for the purpose of implementation that is robust and efficient. Tested problem sets are generated randomly Numerical results on randomly generated examples demonstrate that our algorithm is near-optimal (< 2% from the optimum) and has a quite computational efficiency.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

윤석진

소속기관 한국통신개발 연구원

주요연구분야 공학 > 산업공학

논문수 1 이용수 2

장경수

소속기관 연세대학교 경영학과

주요연구분야 공학 > 산업공학

논문수 8 이용수 61

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)