AI 기반 스마트 교통 시스템 최적화의 혁신: DynLS 알고리즘

본 기사는 대규모 복잡 네트워크에서 최대 가중치 독립 집합(MWIS) 문제를 효율적으로 해결하는 새로운 알고리즘 DynLS에 대한 연구 결과를 소개합니다. DynLS는 기존 알고리즘보다 우수한 성능을 보이며, 스마트 교통 시스템 최적화에 크게 기여할 것으로 예상됩니다.

최근 생성형 AI를 포함한 인공지능 기술이 스마트 교통 시스템(ITS)의 교통량 데이터 생성 및 최적화 솔루션 제공에 효과적으로 활용되고 있습니다. 하지만 대규모 복잡한 시나리오에서는 상당한 훈련 시간과 막대한 계산 자원을 필요로 하는 어려움이 존재합니다.

이러한 문제를 해결하기 위해, 주목할 만한 연구 결과가 발표되었습니다. Zhu, Hao, Liu, Rao 등 연구진은 최대 가중치 독립 집합(MWIS) 문제를 효율적으로 해결하는 새로운 알고리즘인 DynLS를 개발했습니다. MWIS 문제는 교통 신호 제어 및 차량 경로 설정 등 여러 ITS 애플리케이션을 모델링하는 데 사용될 수 있는 NP-hard 문제입니다.

DynLS는 세 가지 핵심 혁신을 통합하여 효과적으로 MWIS 문제를 해결합니다.

• 점수 기반 적응형 정점 섭동(SAVP): 특히 희소 그래프에서 수렴 속도를 높입니다.
• 영역 위치 메커니즘(RLM): 검색 공간을 동적으로 조정하여 지역 최적점을 벗어나는 데 도움이 됩니다.
• 콤비네이션 지역 검색(ComLS): 정점 교환 전략과 보상 메커니즘을 결합하여 고품질 솔루션을 향한 검색을 안내합니다.

실험 결과, DynLS는 1000초 이내에 꾸준히 고품질 솔루션을 제공하는 우수한 성능을 보였습니다. 360개의 테스트 인스턴스에서 5개의 주요 알고리즘을 능가하여 350개의 인스턴스에서 최상의 솔루션을 달성했으며, 두 번째로 성능이 좋은 Cyclic-Fast 알고리즘보다 177개의 인스턴스에서 더 나은 결과를 보였습니다. 더욱이 DynLS는 Cyclic-Fast와 동등한 수렴 속도를 달성하여 효율성과 실용성을 입증했습니다.

이 연구는 MWIS 문제에 대한 휴리스틱 알고리즘 분야에서 중요한 발전을 나타내며, 스마트 교통 시스템 최적화에 AI 기술을 지원하는 유망한 접근 방식을 제공합니다. DynLS 알고리즘은 복잡한 네트워크 문제 해결에 대한 새로운 가능성을 제시하며, 앞으로 ITS 분야뿐 아니라 다양한 최적화 문제 해결에 널리 활용될 것으로 기대됩니다.