KR101399704B1 - 무선 통신 네트워크에서 이진 입자 군집 최적화를 적용한 브로드캐스트 스케쥴링 방법 및 시스템 - Google Patents

Abstract

브로드캐스트 스케쥴링 방법은 상기 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득하는 단계; 상기 연결 매트릭스를 기초로 상기 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성하는 단계; 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산하는 단계; 및 상기 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계를 포함한다.

Description

무선 통신 네트워크에서 이진 입자 군집 최적화를 적용한 브로드캐스트 스케쥴링 방법 및 시스템{BROADCAST SCHEDULING METHOD AND SYSTEM USING BINARY PARTICLE SWARM OPTIMIZATION IN WIRELESS COMMUNICATION NETWORK}

본 발명은 무선 통신 네트워크에서 브로드캐스트 스케쥴링 시스템 및 그 방법에 관한 것으로, 보다 구체적으로 채널 자원을 사용자 또는 노드간에 간섭현상 없이 효율적으로 사용하는 기술에 관한 것이다.

브로드캐스트 스케쥴링 기술은 제한된 무선 채널 자원을 효율적으로 사용하기 위해 적용될 수 있다. 사용자 및 노드간에 통신할 수 있는 기본적인 시간 및 자원의 단위인 타임슬롯(time slot) 자원을 사용자 및 노드에게 어떻게 간섭현상 없이 할당하여 효과적으로 사용할 것인가를 찾아내는 문제가 브로드캐스트 스케쥴링 문제이다(broadcast scheduling problem: BSP).

브로드캐스트 스케쥴링 문제(BSP)는 계산량의 이론에 있어서 문제의 복잡성을 표현하는 개념인 NP-complete이고, 이 문제를 다양한 알고리즘을 적용하여 최적화된 해를 탐색하여 해결하는 기술이 브로드캐스트 스케쥴링 기술이다.

본 발명의 일실시예에 따른 브로드캐스트 스케쥴링 방법은 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득하는 단계; 상기 연결 매트릭스를 기초로 상기 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성하는 단계; 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산하는 단계; 및 상기 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계를 포함할 수 있다.

상기 연결 매트릭스에 포함되는 원소들 각각은 상기 노드들이 서로 인접해 있는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정될 수 있다.

상기 공존 가능 매트릭스에 포함되는 원소들 각각은 특정 노드에 할당된 타임슬롯이 동일하게 다른 노드에 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정될 수 있다.

상기 목적 함수를 계산하는 단계는 특정 타임슬롯이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 타임슬롯들의 사용률을 계산하는 단계를 포함할 수 있다.

상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계는 상기 목적함수에 대응하는 평가값을 계산하는 단계; 및 상기 계산된 평가값에 기초하여 상기 이진 입자 군집 최적화 기법에 따라 최적화된 해를 획득하는 단계를 포함할 수 있다.

상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계는 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯과 관련된 가능한 해들에 대한 복수의 파티클들을 생성하는 단계; 적어도 하나의 세대 동안에 상기 복수의 파티클들 각각에 대한 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계; 및 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하기 위하여 상기 최적의 해를 참조하는 단계를 포함할 수 있다.

상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는 상기 복수의 파티클들 각각에 대하여 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률 사이의 차가 작아지도록 상기 로컬 베스트 해를 추출하는 단계를 포함할 수 있다.

상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는 상기 복수의 파티클들에 대한 로컬 베스트 해들 중 어느 하나를 글로벌 베스트 해로 선택하는 단계를 포함할 수 있다.

상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는 특정 세대 동안의 로컬 베스트 해, 초기 해 및 글로벌 베스트 해 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용하는 단계; 및 상기 가중치가 적용된 결과를 다음 세대에서 사용하는 단계를 포함할 수 있다.

상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는 상기 적어도 하나의 세대의 개수와 미리 설정된 반복 횟수를 비교하거나, 상기 최적의 해를 추출하는 데에 걸리는 시간과 미리 설정된 반복 시간을 비교하여 상기 최적의 해를 추출하는 것을 중단하는 단계를 포함할 수 있다.

본 발명의 일실시예에 따른 브로드캐스트 스케쥴링 장치는 상기 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득하는 획득부; 상기 연결 매트릭스를 기초로 상기 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성하는 생성부; 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산하는 계산부; 및 상기 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 결정부를 포함할 수 있다.

상기 계산부는 특정 타임슬롯이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 타임슬롯들의 사용률을 계산할 수 있다.

상기 결정부는 상기 목적함수에 대응하는 평가값을 계산하고, 상기 계산된 평가값에 기초하여 상기 이진 입자 군집 최적화 기법에 따라 최적화된 해를 획득할 수 있다.

상기 결정부는 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯과 관련된 가능한 해들에 대한 복수의 파티클들을 생성하는 생성부; 및 적어도 하나의 세대 동안에 상기 복수의 파티클들 각각에 대한 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 추출부를 포함하고, 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하기 위하여 상기 최적의 해를 참조할 수 있다.

상기 추출부는 상기 복수의 파티클들 각각에 대하여 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률 사이의 차가 작아지도록 상기 로컬 베스트 해를 추출하고, 상기 복수의 파티클들에 대한 로컬 베스트 해들 중 어느 하나를 글로벌 베스트 해로 선택할 수 있다.

상기 추출부는 특정 세대 동안의 로컬 베스트 해, 초기 해 및 글로벌 베스트 해 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용하며, 상기 가중치가 적용된 결과를 다음 세대에서 사용할 수 있다.

도 1은 본 발명의 일실시예에 따른 노드 네트워크, 연결 매트릭스 및 공존 가능 매트릭스를 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 가능해를 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법을 나타낸 플로우 차트이다.
도 4는 도 3에 도시된 노드들 각각에 할당되는 타임슬롯 결정(350)을 구체적으로 나타낸 플로우 차트이다.
도 5는 본 발명의 일실시예에 따른 제1 세대 제1 파티클 가능해, 제1세대 제1 파티클 로컬 베스트 해, 제1 세대 글로벌 베스트 해 및 제2 세대 제1 파티클 가능해를 나타낸 도면이다.
도 6은 본 발명의 일실시예에 따른 노드 네트워크를 나타낸 도면이다.
도 7은 본 발명의 일실시예에 따른 노드 네트워크의 평가값의 수렴 경향을 나타낸 도면이다.
도 8은 본 발명의 일실시예에 따른 노드 네트워크의 최적해를 나타낸 도면이다.
도 9는 본 발명의 일실시예에 따른 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치를 나타낸 블록도이다.

이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일실시예에 따른 노드 네트워크(110), 연결 매트릭스(120) 및 공존 가능(compatibility) 매트릭스(130)를 나타낸 도면이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 방법은 노드 네트워크(110)를 예제로 하는 6개의 노드 네트워크 브로드캐스트 스케쥴링 문제(broadcast scheduling problem: BSP)를 나타낸다. 노드 네트워크(110)는 노드 1(111), 노드 2(112), 노드 3(113), 노드 4(114), 노드 5(115) 및 노드 6(116)을 포함하고, 각각의 노드들은 호(117)로 연결된다.

연결 매트릭스(120)는 무선 통신 네트워크의 형태를 나타내며, 노드 네트워크(110)을 기초로 작성되어 각각의 노드들이 서로 인접해 있는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는

대칭 노드 연결 매트릭스다.

연결 매트릭스

와 그 요소인

는 식(1)과 같다.

도 1의 연결 매트릭스(120)에서 세로 열의 노드 번호는 i에 대응하며, 가로 열의 노드 번호는 j에 대응하며, 노드 i와 노드 j가 인접해 있는 경우는 논리값 1로, 인접해 있지 않을 경우는 논리값 0으로 표시할 수 있다.

본 발명의 일실시예에 따른 연결 매트릭스(120)는 노드 네트워크(110)의 각각의 노드들(111, 112, 113, 114, 115, 116)이 서로 인접해 있는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정하여 작성한

대칭 노드 연결 매트릭스다.

공존 가능 매트릭스(130)은 특정 노드에 할당된 타임슬롯이 동일하게 다른 노드에 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는

대칭 공존 가능 매트릭스다. 여기서 타임슬롯(time slot)은 사용자 및 노드간에 통신할 수 있는 기본적인 시간 및 자원의 단위일 수 있다.

공존 가능 매트릭스

와 그 요소인

는 식(2)와 같다.

도 1의 공존 가능 매트릭스(130)에서 세로 열의 노드 번호는 i에 대응하며, 가로 열의 노드 번호는 j에 대응하며, 노드 i와 노드 j에 동일한 타임슬롯을 할당할 수 없는 경우는 논리값 1로, 동일한 타임슬롯을 할당할 수 있는 경우는 논리값 0으로 표시할 수 있다. 공존 가능 매트릭스(130)는 노드 네트워크(110) 및 연결 매트릭스(120)을 기초로 작성된 매트릭스이다.

본 발명의 일실시예에 따른 공존 가능 매트릭스(130)는 노드 네트워크(110)의 각각의 노드들(111, 112, 113, 114, 115, 116)에 동일한 타임슬롯이 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정하여 작성한

대칭 공존 가능 매트릭스다.

도 2는 본 발명의 일실시예에 따른 가능해(210, 220, 230)를 나타낸 도면이다.

도 2를 참조하면, 가능해는 제1 가능해(210), 제2 가능해(220) 및 제3 가능해(230)를 포함할 수 있다.

각각의 가능해(210, 220, 230)는

이진 매트릭스로 나타내며, 그 요소인 특정 타임슬롯이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수

를 요소로 포함한다.

가능해 매트릭스

와 그 요소인 이진 정수 의사 결정 변수

는 식(3)과 같다.

도 2의 가능해(210, 220, 230)에서 가로 열은 노드 번호 j에 대응하고, 세로 열은 타임슬롯 번호 m에 대응할 수 있다. 또한, 타임슬롯 번호 m을 노드 번호 j에 할당하는 경우는 논리값 1로, 타임슬롯 번호 m을 노드 번호 j에 할당하지 않는 경우는 논리값 0으로 표시할 수 있다. 또한, 논리값 1인 경우는 검정으로, 논리값 0인 경우는 흰색으로 표현할 수 있다. 제1 가능해(210)는 6개의 타임슬롯을 사용한 해이고, 제2 가능해(220) 및 제3 가능해는 4개의 타임슬롯을 사용한 해이다.

또한, 본 발명의 일실시예에 따른 방법은 이진 정수 의사 결정 변수

를 이용하여, 타임슬롯들의 사용률을 계산한다. 타임슬롯들의 사용률을 계산하는 단계는 목적 함수를 계산하는 단계일 수 있다.

본 발명의 일실시예에 따른 타임슬롯 사용률

는 식(4)와 같다.

타임슬롯의 사용률

는 가능해의 타임슬롯의 개수 M을 최소화할 수 있고, 0과 1사이의 값을 가질 수 있다. 예를 들면, 도 1의 제2 가능해(220)의 사용률은

이고 제3 가능해(230)의 사용률은

이다.

도 3은 본 발명의 일실시예에 따른 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법을 나타낸 플로우 차트이다.

도 3을 참조하면, 본 발명의 일실시예에 따른 방법은 연결 매트릭스를 획득한다(310). 연결 매트릭스는 무선 통신 네트워크의 형태를 나타내며, 각각의 노드들이 서로 인접해 있는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되어 입력될 수 있다.

또한, 브로드캐스트 스케쥴링 알고리즘의 종료 조건 및 파티클의 수 등을 포함하는 파라미터를 설정한다(320). 브로드캐스트 스케쥴링 알고리즘의 종료 조건은 하나의 세대의 개수와 미리 설정된 반복 횟수를 비교하거나, 최적의 해를 추출하는 데에 걸리는 시간과 미리 설정된 반복 시간을 비교하는 조건일 수 있다.

본 발명의 일실시예에 따른 방법은 공존 가능 매트릭스를 생성한다(330). 공존 가능 매트릭스(130)는 특정 노드에 할당된 타임슬롯이 동일하게 다른 노드에 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정될 수 있다. 공존 가능 매트릭스는 연결 매트릭스 및 제약식을 고려하여 생성될 수 있다.

제약식 (5) 및 (6)은 다음과 같다.

식(5)는 노드들 각각에 적어도 하나의 타임슬롯을 할당해야 한다는 제약식이며, 식(6)은 노드가 한 개 또는 두 개의 호(117)로 연결되어 있는 것들은 동일한 타임슬롯을 할당할 수 없다는 제약식이다.

본 발명의 일실시예에 따른 방법은 목적 함수를 계산한다(340).

목적 함수를 계산하는 단계는 특정 타임슬롯이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수

를 이용하여 타임슬롯들의 사용률

를 계산하는 단계를 포함할 수 있다. 목적 함수는 사용되는 타임슬롯의 개수 M을 최소화하고, 타임슬롯의 사용률을 타임슬롯의 개수를 전제로 최대화할 수 있다.

또한, 본 발명의 일실시예에 따른 방법은 노드들 각각에 할당되는 타임슬롯을 결정한다(350). 노드들 각각에 할당되는 타임슬롯을 결정하는 단계는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 문제의 최적해를 추출 및 획득하는 단계이며, 목적 함수가 최적화 되도록 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 노드들 각각에 할당되는 타임슬롯을 결정한다. 이에 대해서는 도 4를 참조하여 자세히 설명한다.

도 4는 도 3에 도시된 노드들 각각에 할당되는 타임슬롯 결정(350)을 구체적으로 나타낸 플로우 차트이다.

도 4를 참조하면, 본 발명의 일실시예에 따른 방법은 가능해 및 가능해의 파티클을 생성한다(405). 초기 가능해를 생성하기 위하여 한 군집 당 설정된 수만큼의 파티클을 랜덤하게 생성할 수 있다. 또한, 초기 가능해는 제약식 (5) 및 (6)을 고려하여 추가적으로 각각의 노드에 타임슬롯을 할당함으로써 타임슬롯의 사용률이 높은 해를 초기 가능해로 생성할 수 있고, 생성한 초기 가능해들에 대한 복수의 파티클들을 생성할 수 있다. 초기 가능해는 초기해로 정의할 수 있다.

본 발명의 일실시예에 따른 방법은 평가값을 계산한다(410). 목적 함수에 대응하는 평가값은 타임슬롯의 개수 및 타임슬롯의 사용률의 차로 즉, 개수(M)-사용률(

)로 정의될 수 있으며, 평가값이 작은 해일수록 최적해에 가까운 가능해이다. 예를 들면, 도 2의 제2 가능해(220)의 평가값은

의 계산 결과인

이고, 제3 가능해(230)의 평가값은

의 계산 결과인

이다. 따라서, 제3 가능해(230)가 최적해에 가까운 가능해이다.

계산된 평가값을 기준으로 각 파티클의 가능해를 평가하고, 최적해에 가까운 가능해를 탐색 및 획득하여, 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정할 수 있다.

이어서 로컬 베스트 해의 추출 및 글로벌 베스트 해의 선택을 진행한다(415).

탐색 과정에서 발견한 각각의 파티클들 각각에 대해 가장 최적화된 해를 로컬 베스트 해(pbest)로 추출하고, 하나의 세대 동안에 복수의 로컬 베스트 해 중 가장 최적화된 해를 글로벌 베스트 해(gbest)로 선택한다. 가능해들의 최적화는 타임슬롯의 개수 및 타임슬롯의 사용률의 차가 작을수록 최적화된 것이다.

본 발명의 일실시예에 따른 방법은 로컬 베스트 해가 최적화될 수 있게 타임슬롯의 개수 및 타임슬롯의 사용률의 차인 평가값을 기준으로 평가값이 작아지도록 각각의 파티클 별 로컬 베스트 해를 개선할지를 판단한다(420).

파티클 별 가능해가 로컬 베스트 해보다 최적화되어 있는 경우, 파티클 별 가능해를 로컬 베스트 해로 갱신한다(425). 반면에, 파티클 별 가능해가 로컬 베스트 해보다 최적화되어 있지 않는 경우는 기존의 로컬 베스트 해를 유지한다.

이어서, 로컬 베스트 해가 글로벌 베스트 해보다 개선되어 있는지를 판단한다(430).

가장 최적화된 로컬 베스트 해가 글로벌 베스트 해보다 최적화되어 있는 경우, 글로벌 베스트 해를 로컬 베스트 해로 갱신한다(435). 반면에, 로컬 베스트 해가 글로벌 베스트 해보다 최적화되어 있지 않는 경우는 기존의 글로벌 베스트 해를 유지한다.

본 발명의 일실시예에 따른 방법은 종료 조건을 판단한다(440). 종료 조건으로는 하나의 세대의 개수와 미리 설정된 반복 횟수를 비교하거나, 최적의 해를 추출하는데 걸리는 시간과 미리 설정된 반복 시간을 비교하는 조건이 포함될 수 있다.

종료 조건을 만족한다면 최적해를 추출 및 획득한다(445).

반면에, 종료 조건이 만족되어지지 않았다면, 특정 세대 동안의 로컬 베스트 해, 초기 가능해 및 글로벌 베스트 해, 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용한다(450). 또한, 가중치를 적용하여, 특정 타임슬롯을 특정 노드에 할당할 확률을 계산하는 과정을 포함한다. 다양성을 강조하여 해를 탐색하기 위해서는 기존 초기 가능해의 가중치를 크게 하고, 수렴성을 강조하여 해를 탐색하기 위해서는 특정 세대 동안의 로컬 베스트 해 및 글로벌 베스트 해의 가중치를 크게 할 수 있다.

이어서, 특정 타임슬롯을 특정 노드에 할당할 확률을 조정한다(455). 확률 범위

를

으로 비례하여 확장할 수 있다.

본 발명의 일실시예에 따른 방법은 다음 세대의 해를 생성한다(460). 다음 세대의 해를 생성하는 단계는 sigmoid 함수, 연결 매트릭스 및 공존 가능 매트릭스를 적용하여 다음 세대의 해를 생성한다. 이 때, sigmoid 함수는 이진 변수가 1이면 타임슬롯을 할당하고, 0이면 타임슬롯을 할당하지 않을 확률을 정할 때, 그 반대의 확률을 어느 정도 허용하여 탐색의 다양성을 높이기 위하여 사용될 수 있다.

생성된 다음 세대의 해는 다시 도 4의 플로우 차트의 시작부분으로 돌아가서, 같은 순서를 적용하여 최적의 해를 추출 및 획득하는 단계를 진행 할 수 있다.

평가값에 가중치를 적용하는 단계(450), 확률을 조정하는 단계(455) 및 다음 세대의 해를 생성하는 단계(460)는 도 5를 참조하여 자세히 설명한다.

도 5는 본 발명의 일실시예에 따른 제1 세대 제1 파티클 가능해(510), 제1세대 제1 파티클 로컬 베스트 해(520), 제1 세대 글로벌 베스트 해(530) 및 제2 세대 제1 파티클 가능해(540)를 나타낸 도면이다.

도 5를 참조하면, 도 1의 6개의 노드를 갖는 노드 네트워크(110)를 예제로 이진 군집 최적화 기법을 적용하여 다음 세대의 해를 생성하는 과정을 나타낸다. 또한, 이 과정은 도 4에 나타낸 평가값에 가중치를 적용하는 단계(450), 확률을 조정하는 단계(455) 및 다음 세대의 해를 생성하는 단계(460)일 수 있다.

도 5를 참조하면, 각각의 해의 매트릭스는 가로 열은 노드 번호에 대응하고, 세로 열은 타임슬롯 번호에 대응할 수 있다. 또한, 제1 세대 제1 파티클 가능해

(510), 제1 세대 제1 파티클 로컬 베스트 해

(520), 제1 세대 글로벌 베스트 해

(530) 및 제2 세대 제1 파티클 가능해

(540)의 위 첨자는 세대 수를, 아래 첨자는 파티클 번호 수를 나타낸다.

본 발명의 일실시예에 따른 방법은 제1 세대 제1 파티클 가능해

(510), 제1세대 제1 파티클 로컬 베스트 해

(520) 및 제1 세대 글로벌 베스트 해

(530)의 타임슬롯 1의 ①, ②, ③ 위치에서 각 평가값에 반비례(평가값이 작을수록 좋기 때문에)하여 1 이 되는 확률을 다음과 같이 계산한다. 단, 제1 세대 제1 파티클 가능해

(510)에 대한 가중치를 1, 제1세대 제1 파티클 로컬 베스트 해

(520)의 가중치 1.6, 제1 세대 글로벌 베스트 해

(530)의 가중치 1.8로 가장 적절한 가중치의 조합은 여러 번의 실험을 통하여 결정하였다. 이 가중치의 설정은 기존 파티클 가능해에 상대적으로 작은 가중치를 설정하지만 로컬 베스트 해와 글로벌 베스트 해에 상대적으로 큰 가중치를 설정하여 수렴과정에 중점을 두고 탐색하는 전략을 설정한 것이다. 각 파티클의 가중치는 이진 군집 최적화 탐색 전략을 다양한 탐색에 무게 중심을 두겠는가 아니면 수렴성에 무게를 두었는가에 따라 다르게 설정될 수 있다.

위의 식에서 얻은 0~1 사이의 확률을

=-4,

=4 사이의 값으로 변환하여

을 다음과 같이 구할 수 있다.

이렇게 구한

을 sigmoid 함수 식 (7)에 대입시키면 다음 세대의 가능해인 제2 세대 제1 파티클 가능해

(540)의 ①, ②, ③ 의 위치에 타임 슬롯이 할당될 확률을 다음과 같이 구할 수 있다. 이와 같이 sigmoid 함수를 사용하는 이유는 이진 변수가 1이면 타임슬롯을 할당하고, 0이면 타임슬롯을 할당하지 않을 확률을 정할 때, 그 반대의 확률을 어느 정도 허용하기 위하여 사용할 수 있다.

즉, 제2 세대 제1 파티클 가능해

(540)의 ①은 28.09%의 확률로 타임슬롯 1을 노드 1에 할당, ②는 1.80%의 확률로 타임슬롯 1을 노드 2에 할당, ③은 98.2%의 확률로 타임슬롯 1을 노드 4에 할당할 수 있는 해를 생성하게 된다. ①, ②, ③ 의 위치뿐만 아니라 다른 위치에 있는 것도 같은 방식을 적용한다.

이와 같이 제1 파티클에 대하여

,

,

,

을 생성해 나가고 제2, 3, 4 파티클들도 동일한 과정으로 생성하여 로컬 베스트 해와 글로벌 베스트 해를 탐색하여 최적해를 찾아나간다.

도 6은 본 발명의 일실시예에 따른 15개의 노드를 갖는 네트워크(610), 30개의 노드를 갖는 네트워크(620) 및 40개의 노드를 갖는 네트워크(630)를 나타내는 도면이다.

도 7은 본 발명의 일실시예에 따른 15개의 노드를 갖는 네트워크의 평가값의 수렴 경향(710), 30개의 노드를 갖는 네트워크의 평가값의 수렴 경향(720) 및 40개의 노드를 갖는 네트워크의 평가값의 수렴 경향(730)을 나타낸 도면이다.

도 8은 본 발명의 일실시예에 따른 15개의 노드를 갖는 네트워크의 최적해(810), 30개의 노드를 갖는 네트워크의 최적해(820) 및 40개의 노드를 갖는 네트워크의 최적해(830)를 나타낸 도면이다.

도 6, 7, 8을 참조하여 다음의 실험을 진행한다.

실험은 Intel Core Quad CPU 2.33GHz, 4.00GB RAM, 윈도우7 32비트 운영체제, Visual C++ 환경에서 실험한다. 실험 시 사용한 파라미터 값은 기존 파티클에 대한 가중치를 1, 로컬 베스트 파티클의 가중치 1.6, 글로벌 베스트 파티클의 가중치 1.8이며 파티클의 수는 15와 30 노드에 10개, 40 노드에 15개를 사용하였다. 본 실험에서 사용된 파라미터 값들은 여러 번의 실험을 통하여 가장 좋은 결과를 내는 조합을 선택한다. 네트워크의 노드 연결을 나타내는 식(1)의 연결 매트릭스를 입력하여 식(2)의 공존 가능 매트릭스를 생성한다. 도 6의 네트워크들은 오른쪽으로 갈수록 노드 개수가 많아지지만 연결의 복잡도는 30개의 노드를 갖는 네트워크가 가장 높다.

도 7의 각각의 네트워크의 평가값 수렴 경향(710, 720, 730)은 평가값(타임슬롯 수 M - 사용률

)의 수렴 형태를 나타낸 것이다. 사용된 타임슬롯 수 M은 타임슬롯 사용률

보다 상대적으로 큰 수이기 때문에 최소 타임슬롯 수 M을 전제로 사용률

를 최대화시키는 수렴과정을 보일 수 있다.

도 8을 참조하면, 노드 개수보다는 각 노드의 인접 노드 개수에 따라 필요한 타임슬롯 개수가 달라진다. 즉, 40개의 노드를 갖는 네트워크 최적해(830) 보다는 30개의 노드를 갖는 네트워크 최적해(820)의 인접 노드 개수가 더 많기 때문에 최소로 필요한 타임슬롯 개수도 10개로 더 크다. 따라서 같은 노드 개수를 갖는 네트워크라고 하더라도 인접 노드 개수가 증가하여 노드간에 연결성이 복잡할수록 최소로 필요한 타임슬롯 개수가 증가하게 된다.

노드수	평가요소	BPSO	Wang [5]	Yeo [4]	Chakraborty [1]	Wu [2]	Chen [6]	Wang [3]	Gunasekaran [7]	김성수 [8]
15	최소 타임슬롯 수	8	8	8	N/A	8	8	8	8	8
	최대 사용률	0.167	0.150	0.150	N/A	0.167	0.167	N/A	0.167	0.167
	총 전송 할당 수	20	18	18	N/A	20	20	N/A	20	20
30	최소 타임슬롯 수	10	12	11	N/A	10	10	10	10	10
	최대 사용률	0.123	0.108	0.112	N/A	0.123	0.123	N/A	0.120	0.123
	총 전송 할당 수	37	39	37	N/A	37	37	N/A	36	37
40	최소 타임슬롯 수	8	9	8	8	8	8	8	8	8
	최대 사용률	0.213	0.197	0.188	0.203	0.200	0.203	N/A	0.203	0.209
	총 전송 할당 수	68	71	60	65	64	65	N/A	65	67

<표1>은 이진 입자 군집화 기법의 최적해와 기존 브로드캐스트 스케쥴링 방법들의 결과를 비교한 것이다.

Chakraborty[1]는 유전자 알고리즘을 적용하여 평가값을 구하는 함수를 2단계(타임 슬롯 프레임 최소화, 타임슬롯 사용률의 최대화)로 사용하였다. 초기해 생성은 한 노드에 한 개의 타임 슬롯만을 할당할 수 있다는 조건하에 가능해를 생성하였지만, 교배와 돌연변이를 거치면서 가능해가 아닌 해를 생성하여 비효율성을 초래한다. Wu[2] 외 3인은 유전자 알고리즘을 사용하여 타임슬롯 프레임 수에서 사용률을 뺀 값을 최소화 하였다. Wu는 해 탐색공간을 감소시켰다고 서술하고 있으나, 이것은 각 노드에 한 개의 타임슬롯만을 할당할 때에만 가능하다. 브로드캐스트 스케쥴링 문제에선 한 노드에 여러 타임슬롯을 할당할 수 있기 때문에 이 분석은 옳지 않다. Wang[3]은 뉴럴네트워크를 적용하여 브로드캐스트 스케쥴링 방법을 사용했다. Yeo[4] 외 2인은 브로드캐스트 스케쥴링 기법에 sequential vertex coloring 알고리즘을 적용하였고, Wang[5]은 mean field annealing-based 알고리즘을 적용하였으며, Chen[6] 외 2인은 factor graphs와 sum-product 알고리즘을 적용하여 브로드캐스트 스케쥴링 방법을 사용했다. Gunasekaran[7] 외 4인은 다이나믹프로그래밍과 유전자 알고리즘을 적용하여 브로드캐스트 스케쥴링 방법을 사용했다. 김성수 외 1인[8]은 파라미터의 수가 적고 값을 설정하는 것이 수월하여 시행착오와 에러를 최소화할 수 있는 인공벌군집(artificial bee colony, ABC)을 적용하여 브로드캐스트 스케쥴링 방법을 사용했다.

15~30개 노드 네트워크의 경우 이진 입자 군집 최적화 기법이 가장 좋은 결과를 제시하는 방법들 중에 하나이다. 15개 노드 네트워크의 경우, 최소로 필요한 타임슬롯 수는 8이고 사용률은 0.167, 총 전송 할당 수는 20으로 분석되어 가장 좋은 결과이다. 30개 노드 네트워크의 경우, 최소로 필요한 타임슬롯 수는 10이고 사용률은 0.123, 총 전송 할당 수는 37로 분석되어 가장 좋은 결과이다. Wang[5]의 경우 최소 필요 타임슬롯 수가 12이기 때문에 총 전송 할당 수가 39이더라도 이진 입자 군집 최적화 기법의 결과 보다 좋지 않은 결과이다. 특히, 도 8의 40개의 노드를 갖는 네트워크 최적해(830)는 40개 노드 네트워크의 가장 좋은 결과(최소 사용된 타임슬롯 수 8, 사용률 0.213, 총 타임슬롯 할당 수 68개)를 제시하였다. Wang [5]은 타임슬롯 수 9로 다른 방법들의 8에 미치지 못하기 때문에 총 전송 할당 수가 71이더라도 이진 입자 군집 최적화 기법을 사용한 결과 보다 좋지 않은 결과이다. 또한, Yeo 외 2인 [4], Chakraborty [1], Wu [2], Chen 외 2명 [6], Gunasekaran [7], 김성수 외 1인 [8]은 최소 타임슬롯 수 8이고 사용률은 0.188~0.209의 해를 제시하여 본 발명에서 제시하는 사용률 0.213에 미치지 못한다.

결론적으로, 본 발명의 일실시예에 따른 이진 입자 군집 최적화 기법은 기존 방법들보다 구현이 쉽고 연산의 효율성이 상대적으로 좋으며, 안정적인 수렴특징을 가지기 때문에, 기존 방법과 차별화되는 최적해를 제시할 수 있다.

위에서 언급된 참조문헌들의 목록들은 다음과 같다.

Chakraborty, G. "Genetic Algorithm to solve optimum TDMA transmission schedule in broadcast packet radio networks," IEEE Transactions on Communications, Vol. 52, No. 5, May. 2004, pp 765-777.

Wu, X., Sharif, B.S., Hinton, O.R. and Tsimenidis, C.C. "Solving optimum TDMA broadcast scheduling in mobile ad hoc networks: a competent permutation genetic algorithm approach," IEE Proc-Commun, Vol. 152, No. 6, Dec. 2005, pp 780-788.

Wang, L. and Shi, H. "A Gradual Noisy Chaotic Neural Network for Solving the Broadcast Scheduling Problem in Packet Radio Networks," IEEE Transactions on Neural Networks, Vol. 17, No. 4, July, 2006, pp 989-1000.

Yeo, J., Lee, H. and Kim, S. "An efficient broadcast scheduling algorithm for TDMA ad-hoc networks," Computer & Operations Research, Vol. 29, No. 13, Nov, 2002, pp 1793-1806.

Wang, G. and Ansari, N. "Optimal Broadcast Scheduling in Packet Radio Networks Using Mean Field Annealing," IEEE Journal on Selected Areas in Communications, Vol. 15, No. 2, Feb, 1997, pp250-260.

Chen, J., Wang, Y. and Chen, J. "A Novel Broadcast Scheduling Strategy using Factor Graphs and the Sum-Product Algorithm," IEEE Transactions on Wireless Communications, Vol. 5, No. 6 , June, 2006, pp 1241- 1249.

Gunasekaran, R., Siddharth, S., Krishnaraj, P., Kalaiarasan, M. and Rhymend Uthariaraj, V. "Efficient algorithms to solve Broadcast Scheduling problem in WiMAX mesh networks," Computer Communications, Vol. 33, No. 11, July, 2010, pp 1325-1333.

김성수, 변지환, "Artificial bee colony 알고리즘을 적용한 Broadcast scheduling 최적 설계," 경영과학 제28권 제1호, 2011년 3월, pp. 43-52.

도 9는 본 발명의 일실시예에 따른 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치를 나타낸 블록도이다.

도 9를 참조하면, 브로드캐스트 스케쥴링 장치는 계산부(910), 획득부(920), 생성부(930) 및 결정부(940)를 포함한다.

획득부(920)는 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득한다.

생성부(930)는 연결 매트릭스를 기초로 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성한다.

계산부(910)는 노드들에 할당되는 타임슬롯들의 개수 및 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산한다. 또한, 특정 타임슬롯이 특정 노드에게 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 타임슬롯들의 사용률을 계산한다.

결정부(940)는 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정한다. 또한 결정부(940)는 목적함수에 대응하는 평가값을 계산하고, 계산된 평가값에 기초하여 이진 입자 군집 최적화 기법에 따라 최적화된 해를 획득하며, 노드들 각각에 할당되는 적어도 하나의 타임슬롯과 관련된 가능한 해들에 대한 복수의 파티클들을 생성하는 생성부 및 적어도 하나의 세대 동안에 복수의 파티클들 각각에 대한 로컬 베스트 해 및 복수의 파티클들 전체에 대한 글로벌 베스트 해를 이용하여 최적의 해를 추출하는 추출부를 포함하고, 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하기 위하여 상기 최적의 해를 참조한다. 여기서 추출부는 복수의 파티클들 각각에 대하여 노드들에 할당되는 타임슬롯들의 개수 및 타임슬롯들의 사용률 사이의 차가 작아지도록 로컬 베스트 해를 추출하고, 복수의 파티클들에 대한 로컬 베스트 해들 중 어느 하나를 글로벌 베스트 해로 선택하며, 특정 세대 동안의 로컬 베스트 해, 초기 해 및 글로벌 베스트 해 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용하며, 가중치가 적용된 결과를 다음 세대에서 사용한다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

1. 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법에 있어서,
   상기 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득하는 단계;
   상기 연결 매트릭스를 기초로 상기 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성하는 단계;
   상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산하는 단계; 및
   상기 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계
   를 포함하고,
   상기 공존 가능 매트릭스에 포함되는 원소들 각각은
   특정 노드에 할당된 타임슬롯이 동일하게 다른 노드에 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
2. 제1항에 있어서,
   상기 연결 매트릭스에 포함되는 원소들 각각은
   상기 노드들이 서로 인접해 있는지 여부에 따라 상기 제1 논리값 또는 상기 제2 논리값 중 어느 하나로 결정되는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
3. 삭제
4. 제1항에 있어서,
   상기 목적 함수를 계산하는 단계는
   특정 타임슬롯이 상기 특정 노드에게 할당되었는지 여부에 따라 상기 제1 논리값 또는 상기 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 타임슬롯들의 사용률을 계산하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
5. 제1항에 있어서,
   상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계는
   상기 목적함수에 대응하는 평가값을 계산하는 단계; 및
   상기 계산된 평가값에 기초하여 상기 이진 입자 군집 최적화 기법에 따라 최적화된 해를 획득하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
6. 제1항에 있어서,
   상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 단계는
   상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯과 관련된 가능한 해들에 대한 복수의 파티클들을 생성하는 단계;
   적어도 하나의 세대 동안에 상기 복수의 파티클들 각각에 대한 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계; 및
   상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하기 위하여 상기 최적의 해를 참조하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
7. 제6항에 있어서,
   상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는
   상기 복수의 파티클들 각각에 대하여 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률 사이의 차가 작아지도록 상기 로컬 베스트 해를 추출하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
8. 제6항에 있어서,
   상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는
   상기 복수의 파티클들에 대한 로컬 베스트 해들 중 어느 하나를 글로벌 베스트 해로 선택하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
9. 제6항에 있어서,
   상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는
   특정 세대 동안의 로컬 베스트 해, 초기 해 및 글로벌 베스트 해 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용하는 단계; 및
   상기 가중치가 적용된 결과를 다음 세대에서 사용하는 단계
   를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
10. 제6항에 있어서,
    상기 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 단계는
    상기 적어도 하나의 세대의 개수와 미리 설정된 반복 횟수를 비교하거나, 상기 최적의 해를 추출하는 데에 걸리는 시간과 미리 설정된 반복 시간을 비교하여 상기 최적의 해를 추출하는 것을 중단하는 단계
    를 포함하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 방법.
11. 제1항 내지 제2항, 제4항 내지 제10항 중 어느 한 항의 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
12. 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치에 있어서,
    상기 노드들의 연결 형태를 나타내는 연결 매트릭스를 획득하는 획득부;
    상기 연결 매트릭스를 기초로 상기 노드들에 동일한 타임슬롯을 할당할 수 있는지 여부를 나타내는 공존 가능(compatibility) 매트릭스를 생성하는 생성부;
    상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률에 따라 정의되는 목적 함수를 계산하는 계산부; 및
    상기 목적 함수가 최적화되도록 상기 공존 가능 매트릭스를 참조하여 이진 입자 군집 최적화 기법에 따라 상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하는 결정부
    를 포함하고,
    상기 공존 가능 매트릭스에 포함되는 원소들 각각은
    특정 노드에 할당된 타임슬롯이 동일하게 다른 노드에 할당되었는지 여부에 따라 제1 논리값 또는 제2 논리값 중 어느 하나로 결정되는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.
13. 제12항에 있어서,
    상기 계산부는
    특정 타임슬롯이 상기 특정 노드에게 할당되었는지 여부에 따라 상기 제1 논리값 또는 상기 제2 논리값 중 어느 하나로 결정되는 이진 정수 의사 결정 변수를 이용하여 상기 타임슬롯들의 사용률을 계산하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.
14. 제12항에 있어서,
    상기 결정부는
    상기 목적함수에 대응하는 평가값을 계산하고, 상기 계산된 평가값에 기초하여 상기 이진 입자 군집 최적화 기법에 따라 최적화된 해를 획득하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.
15. 제12항에 있어서,
    상기 결정부는
    상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯과 관련된 가능한 해들에 대한 복수의 파티클들을 생성하는 생성부; 및
    적어도 하나의 세대 동안에 상기 복수의 파티클들 각각에 대한 로컬 베스트 해(pbest) 및 상기 복수의 파티클들 전체에 대한 글로벌 베스트 해(gbest)를 이용하여 최적의 해를 추출하는 추출부
    를 포함하고,
    상기 노드들 각각에 할당되는 적어도 하나의 타임슬롯을 결정하기 위하여 상기 최적의 해를 참조하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.
16. 제15항에 있어서,
    상기 추출부는
    상기 복수의 파티클들 각각에 대하여 상기 노드들에 할당되는 타임슬롯들의 개수 및 상기 타임슬롯들의 사용률 사이의 차가 작아지도록 상기 로컬 베스트 해를 추출하고, 상기 복수의 파티클들에 대한 로컬 베스트 해들 중 어느 하나를 글로벌 베스트 해로 선택하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.
17. 제15항에 있어서,
    상기 추출부는
    특정 세대 동안의 로컬 베스트 해, 초기 해 및 글로벌 베스트 해 각각에 대응하는 평가값에 대하여 미리 설정된 가중치를 적용하며, 상기 가중치가 적용된 결과를 다음 세대에서 사용하는 무선 네트워크에서 브로드캐스트 통신을 수행하는 노드들의 브로드캐스트 스케쥴링 장치.

Images