Enhanced Gold Mining Optimization with Dual-Layer Information Sharing and Dynamic Control for Multi-Objective Scheduling of Heterogeneous UAV

드론 군집이 그저 목적 없이 떠다니는 것이 아니라, 마치 완벽하게 안무된 무용단처럼 함께 움직이는 세상을 상상해 보십시오. 이것은 단순한 에이전트들(예를 들어 벌, 개미, 혹은 이 경우에는 드론)이 단순한 규칙을 따르고 정보를 공유함으로써 어떻게 복잡한 문제를 해결할 수 있는지를 연구하는 과학의 한 분야인 **군집 지능(swarm intelligence)**의 영역입니다. 이는 마치 물고기 떼가 단 한 명의 리더가 명령을 내리지 않아도 주변 이웃에게 반응하며 일제히 방향을 바꾸는 것과 같습니다. 현실 세계에서 우리는 이러한 드론 군집이 패키지 배송, 재난 후 생존자 수색, 또는 산림 모니터링과 같은 까다로운 업무를 수행하기를 원합니다. 하지만 여기에는 함정이 있습니다. 모든 드론이 똑같이 만들어진 것은 아니라는 점입니다. 어떤 드론은 빠르지만 비행 거리가 짧고(단거리 선수처럼), 어떤 드로는 느리지만 무거운 짐을 실을 수 있습니다(마라톤 선수처럼). 이처럼 서로 다른 유형의 드론을 혼합하여 사용할 때, 누가 무엇을 어떤 순서로 할지 결정하는 것은 거대한 수학적 퍼즐이 됩니다. 여러분은 세 가지 요소를 동시에 조절해야 합니다: 작업을 최대한 빨리 끝내는 것, 배터리 전력을 최대한 적게 사용하는 것, 그리고 특정 드론이 쉬지 않고 일하다가 과부하가 걸리는 동안 다른 드론은 놀고 있지 않도록 하는 것입니다.

여기 **금광 채굴 최적화 알고리즘(Gold Mining Optimization Algorithm, GMO)**이 등장합니다. 이 알고리즘을 디지털 환경 속 금광 채굴꾼들의 집단 시뮬레이션이라고 생각하면 됩니다. 원래 버전에서 이 채굴꾼들은 "금"(최적의 해답)을 찾기 위해 디지털 지형을 돌아다닙니다. 그들은 발견한 것을 공유하고, 가장 풍요로운 곳을 향해 이동하며, 함께 땅을 팝니다. 이는 영리한 아이디어이지만, 연구자들이 이 알고리즘을 이처럼 혼합된 구성의 드론 팀을 스케줄링하는 데 사용하려 했을 때 난관에 부딪혔습니다. 채굴꾼들이 너무 흩어져 있었고, 국지적인 "금 주머니"에 갇혀 버렸으며, 단 하나의 "최고"의 답이 있는 것이 아니라 다양한 양질의 절충안(trade-offs)이 존재한다는 사실을 인지하지 못했기 때문입니다.

이 논문은 IGMO-DP(이중 계층 정보 공유 및 동적 제어를 적용한 개선된 금광 채굴 최적화 알고리즘)라고 불리는 업그레이드된 버전을 소개합니다. 저자들은 단순히 채굴꾼들을 약간 손본 것이 아니라, 그들에게 완전히 새로운 모습을 선사했습니다. 첫째, 그들은 이중 계층 통신 시스템을 추가했습니다. 이제 채굴꾼들에게는 두 가지 대화 방식이 있습니다. 하나는 바로 옆에 있는 사람들과 대화하며 파는 지점을 정교하게 다듬는 "로컬 가십(local gossip)" 네트워크이고, 다른 하나는 지금까지 발견된 가장 좋은 금의 위치를 전체 그룹에 방송하는 "글로벌 메가폰(global megaphone)"입니다. 이를 통해 팀의 다양성을 유지하면서도(모두가 똑같은 구멍을 파지 않도록), 최적의 해답을 향해 빠르게 이동할 수 있습니다. 둘째, 그들은 채굴꾼들의 발걸음을 **동적(dynamic)**으로 만들었습니다. 매번 같은 크기의 발걸음을 내딛는 대신, 이제 채굴꾼들은 새로운 영역을 탐색할 때는 큰 폭으로 도약하고, 보물에 가까워졌을 때는 아주 작고 신중한 발걸음을 내디디며 결과를 다듬습니다. 마지막으로, 시간이 흐름에 따라 변화하는 스마트 필터를 도입했습니다. 초기에는 필터가 느슨하여 그룹의 창의성을 유지하기 위해 많은 다양한 아이디어가 살아남을 수 있게 합니다. 시간이 지나면서 필터는 점점 엄격해져, 약한 아이디어들을 걸러내고 오직 절대적으로 우수한 것들에만 집중합니다.

연구진은 이 새로운 시스템을 난이도가 높아지는 세 가지 "전장"에서 테스트했습니다: 5대의 드론이 10개의 작업을 수행하는 소규모 그룹, 10대의 드론이 비행 금지 구역이 포함된 20개의 작업을 수행하는 중간 규모 그룹, 그리고 네 가지 유형의 드론 20대가 40개의 작업을 처리하는 대규모의 혼란스러운 그룹입니다. 그들은 이 새로운 알고리즘을 기존의 금광 채굴 방식 및 NSGA-II, MOPSO와 같은 유명한 경쟁 모델들과 비교했습니다. 결과는 명확했습니다: IGMO-DP가 승리했습니다. 가장 복잡한 시나리오에서, 이 알고리즘은 차점자보다 14.2%에서 17.6% 더 완벽한 균형에 가까운 해답을 찾아냈으며, 양질의 솔루션이 분포하는 영역을 약 5% 더 넓게 커버했습니다. 또한 드론의 작업 부하를 훨씬 더 균등하게 관리하여 특정 드론이 과부하되는 것을 방지했습니다.

이 논문은 기존의 금광 채굴 알고리즘이 단독으로는 이러한 복잡한 다중 드론 작업을 수행할 준비가 되어 있지 않다는 점을 명시적으로 밝히고 있습니다. 저자들은 특히 이중 통신과 변화하는 단계 크기 같은 업그레이드가 없다면, 알고리즘이 정체되어 최적의 절충안을 찾는 데 실패할 것이라고 주장합니다. 저자들은 이러한 컴퓨터 시뮬레이션을 바탕으로 자신들의 결과에 대해 매우 확신하고 있으며, 자신들의 새로운 방식이 다른 방식들보다 더 안정적이고 일관적임을 보여줍니다. 그들은 이것이 큰 진전이긴 하지만, 실제 바람이나 센서 오류가 변수가 될 수 있는 실제 물리적 드로의 세계에서 이 알고리즘을 직접 적용하는 것이 진정한 시험대가 될 것이라고 제언합니다. 하지만 현재로서는, 이 새로운 "슈퍼 광부" 알고리즘은 적절한 로컬 채팅과 글로벌 비전의 조합이 있다면 드론 군집이 이전보다 훨씬 더 효과적으로 협력할 수 있음을 증명하고 있습니다.