본 연구는 ABS(Agent-based Simulation)와 최적화 기법을 연계하여 활용함으로써 집단면역의 형성 시기를 앞당기는 것을 목적으로 하는 백신 공급 최적화 스케줄러 개발을 하고자 함. 최적화 기법을 기반으로 한 스케줄러를 통해 도출하고자 하는 최종 결과물은 어떤 백신을 언제 누구에게 접종시키는지에 관한 접종전략임. 이와 같은 결과물이 최적화 모형으로 도출되기 위해서는 백신의 수치화된 성능 값이 집단면역이라는 목적에 어떤 영향을 미치는지에 대한 제약조건이 반드시 포함되어야 함. 사람들 간 전염이라는 복잡계를 세밀하게 표현하는 동시에 백신 성능과 집단면역 간 관계식을 도출하기 위해 ABS를 활용하고자 하며, 이 때 인구통계학적 데이터를 기반으로 에이전트를 다양한 집단으로 표현할 계획임. [1차년도] 다양한 백신이 동시다발적으로 개발될 경우 성능/특징이 상이할 수밖에 없기 때문에, 집단면역에 영향을 미치면서 백신을 구분 가능한 지수를 정의함. 또한 인구통계학적 데이터를 활용하여 백신 성능에 영향을 받는 기준(연령, 거주지, 기저질환 유무 등)을 수립하고, 기준의 조합에 따라 실험의 대상 인원을 여러 집단으로 세분화함. 그리고 각 집단의 비율, 행동반경/빈도/경로, 전염병 관련 파라미터(전염률, 잠복기간, 회복률, 사망률 등)를 수치화하고, 앞의 입력 데이터를 바탕으로 ABS 기본 모형을 개발함. [2차년도] ABS 기본 모형의 파라미터 값을 조절하여 반복실험 함으로써, 각 집단별로 백신의 성능지수와 타 집단의 감염 상황이 인접 시간대의 면역효과에 미치는 영향을 추정함. 이는 백신 공급 최적화 스케줄러에 제약조건으로 고려되며, 이외에도 백신의 공급 제약, 접종 방식 등의 수식도 함께 포함됨. 추가적으로 감염자의 유입, 집단 발생과 같은 불확실한 상황을 반영한 시나리오 실험을 통해 집단면역 형성에 미치는 영향을 분석함.

□ 1차년도 : VM 워크로드 패턴 분석 및 딥 러닝 기반의 클러스터링 예측 모델 개발 - VM 워크로드 패턴 분석 및 클러스터링 : VM 워크로드 데이터(CPU, Memory, Disk I/O, Network I/O 등)를 수집하여, 일반적인 패턴을 분석한다. 불확실한 환경 파악 및 안정성 보장을 위해 VM의 이상징후 패턴을 분석하여, VM 워크로드 패턴을 정의하고 분류하고자 한다. - VM 워크로드 예측 모형 개발 : 딥 러닝 기법 등을 활용하여, 가상머신 워크로드 예측 모델을 개발한다. - Large-Scale VM 워크로드 예측 모형 개발 : 데이터센터 환경은 기본적으로 문제 사이즈가 크기 때문에 VM을 패턴 기준으로 클러스터링하여, 효율적인 학습 및 예측 모델을 개발하고자 한다. □ 2차년도 : 데이터센터의 운영 안정성을 보장하는 서버 통합 스케줄링 모델링 및 알고리즘 개발 - VM 워크로드의 불확실성을 반영한 서버 통합 스케줄링 모델링 : 서버 통합 문제를 특정 시점만이아닌 장-단기 스케줄링 문제로 접근하여, 데이터센터의 효율적 운영이 가능하도록 문제를 모델링 하고자 한다. VM 워크로드 데이터를 예측하더라도 불확실성이 높다는 특징이 존재하기 때문에, 이런 특징을 강건 최적화 기법(Robust Optimization)을 활용하여 반영하고자 한다. - 서버 통합 스케줄링 문제 해결을 위한 FAST 알고리즘 개발 및 마이그레이션 정책 산출 : 서버 통합 스케줄링 문제를 빠르고 효과적으로 풀이하는 알고리즘을 개발한다. 논리모형 내 마이그레이션 시점, Source PM, Destination PM과 연관된 조건식 사용 여부, 임계값 수치 등에 따라 다양한 마이그레이션 정책을 산출한다. - 마이그레이션 정책 성과 척도 설계 및 다기준 의사결정 방안 수립 : 다양한 니즈 각각에 대응하는 마이그레이션 정책 성과 척도를 설계하고, 불확실한 VM 워크로드 환경에서 마이그레이션 정책 별로 성과 척도들을 산출한다. 각각의 마이그레이션 정책은 다양한 성과 척도의 값들을 갖게 되는데, 대안A의 모든 성과 척도 값이 대안 B보다 높은 경우가 아니라면 마이그레이션 정책의 효율성 우위를 판단하기 어렵기 때문에 다기준 의사결정 방안을 수립하여 마이그레이션 정책의 우선순위를 측정한다. □ 3차년도 : 데이터센터의 불확실한 환경을 반영한 시뮬레이션 모델링 및 의사결정모형 개발 - 데이터센터 운영간 불확실한 환경 요인 분석 : 이상징후 패턴 분석 결과 및 관련 자료, 전문가 자문 등을 통해 불확실성이 높은 환경요인을 정의하고, 발생빈도, 발생기간 등의 연관된 수치를 계측한다. - 장기적 데이터센터 운영 시뮬레이션 개발 및 마이그레이션 정책 개선 : 데이터센터를 장기적으로 운영할 때의 효율성을 계측하기 위해, 불확실한 클라우드 데이터센터 환경을 시뮬레이션 할 수 있는 오픈소스 시뮬레이터인 CloudSim을 활용하여 구축한다. - 경제성 분석을 활용한 최적의 데이터센터 운영 의사결정모형 개발 및 정책 제언 : 데이터센터 최적 운영을 위한 시뮬레이션 모델의 결과값을 경제성 분석을 통해 ROI, B/C Ratio 등을 제시해줌으로써 의사결정권자가 데이터센터의 운영을 하는데 있어 기여하고자 한다.

□ 1차년도 : VM 워크로드 패턴 분석 및 딥 러닝 기반의 클러스터링 예측 모델 개발 - VM 워크로드 패턴 분석 및 클러스터링 : VM 워크로드 데이터(CPU, Memory, Disk I/O, Network I/O 등)를 수집하여, 일반적인 패턴을 분석한다. 불확실한 환경 파악 및 안정성 보장을 위해 VM의 이상징후 패턴을 분석하여, VM 워크로드 패턴을 정의하고 분류하고자 한다. - VM 워크로드 예측 모형 개발 : 딥 러닝 기법 등을 활용하여, 가상머신 워크로드 예측 모델을 개발한다. - Large-Scale VM 워크로드 예측 모형 개발 : 데이터센터 환경은 기본적으로 문제 사이즈가 크기 때문에 VM을 패턴 기준으로 클러스터링하여, 효율적인 학습 및 예측 모델을 개발하고자 한다. □ 2차년도 : 데이터센터의 운영 안정성을 보장하는 서버 통합 스케줄링 모델링 및 알고리즘 개발 - VM 워크로드의 불확실성을 반영한 서버 통합 스케줄링 모델링 : 서버 통합 문제를 특정 시점만이아닌 장-단기 스케줄링 문제로 접근하여, 데이터센터의 효율적 운영이 가능하도록 문제를 모델링 하고자 한다. VM 워크로드 데이터를 예측하더라도 불확실성이 높다는 특징이 존재하기 때문에, 이런 특징을 강건 최적화 기법(Robust Optimization)을 활용하여 반영하고자 한다. - 서버 통합 스케줄링 문제 해결을 위한 FAST 알고리즘 개발 및 마이그레이션 정책 산출 : 서버 통합 스케줄링 문제를 빠르고 효과적으로 풀이하는 알고리즘을 개발한다. 논리모형 내 마이그레이션 시점, Source PM, Destination PM과 연관된 조건식 사용 여부, 임계값 수치 등에 따라 다양한 마이그레이션 정책을 산출한다. - 마이그레이션 정책 성과 척도 설계 및 다기준 의사결정 방안 수립 : 다양한 니즈 각각에 대응하는 마이그레이션 정책 성과 척도를 설계하고, 불확실한 VM 워크로드 환경에서 마이그레이션 정책 별로 성과 척도들을 산출한다. 각각의 마이그레이션 정책은 다양한 성과 척도의 값들을 갖게 되는데, 대안A의 모든 성과 척도 값이 대안 B보다 높은 경우가 아니라면 마이그레이션 정책의 효율성 우위를 판단하기 어렵기 때문에 다기준 의사결정 방안을 수립하여 마이그레이션 정책의 우선순위를 측정한다. □ 3차년도 : 데이터센터의 불확실한 환경을 반영한 시뮬레이션 모델링 및 의사결정모형 개발 - 데이터센터 운영간 불확실한 환경 요인 분석 : 이상징후 패턴 분석 결과 및 관련 자료, 전문가 자문 등을 통해 불확실성이 높은 환경요인을 정의하고, 발생빈도, 발생기간 등의 연관된 수치를 계측한다. - 장기적 데이터센터 운영 시뮬레이션 개발 및 마이그레이션 정책 개선 : 데이터센터를 장기적으로 운영할 때의 효율성을 계측하기 위해, 불확실한 클라우드 데이터센터 환경을 시뮬레이션 할 수 있는 오픈소스 시뮬레이터인 CloudSim을 활용하여 구축한다. - 경제성 분석을 활용한 최적의 데이터센터 운영 의사결정모형 개발 및 정책 제언 : 데이터센터 최적 운영을 위한 시뮬레이션 모델의 결과값을 경제성 분석을 통해 ROI, B/C Ratio 등을 제시해줌으로써 의사결정권자가 데이터센터의 운영을 하는데 있어 기여하고자 한다.

본 과제는 인적재난 시 인명 피해를 줄이기 위한 현장 대응형 시뮬레이션 플랫폼 개발 연구임. 연구 목표는 ‘재난 발생 시점부터 응급치료 후 퇴원’까지 생애주기적 의사결정 지원이 가능하도록 IoT 센서·고화질 CCTV 기반 재난 현장 대응을 가시화하는 데 있음. 핵심 연구 내용은 (1) 대피 및 구조 시뮬레이션, (2) GIS·ITS 기반 교통 시뮬레이션, (3) 응급실 프로세스 모형의 에이전트 시뮬레이션을 DB 객체로 연동해 시나리오 분석을 수행하는 플랫폼 제시임. 기대 효과는 교통흐름·군중 심리·구조 형태·응급실 처리 연계를 통한 효율적 인명구조와 국가 재난대응 운영 실현가능성 및 자원 활용 극대화에 기여함.