GPU 기반 병렬 메타휴리스틱으로 조합최적화 성능을 분석·개선하는 연구

GPU-accelerated parallel metaheuristics for combinatorial optimization

연구 내용

GPU 데이터 병렬성을 활용해 조합 최적화 메타휴리스틱을 병렬화하고, 실행 성능을 분석하여 탐색 효율을 개선하는 연구

조합 최적화 문제에서 계산량이 큰 휴리스틱의 병렬화를 수행하고 성능 특성을 규명하는 연구를 수행합니다. GPU의 데이터 병렬성을 기반으로 스레드 수와 블록 구성 같은 실행 매개변수를 조정하고, 연속 메모리 동시 접근 효과를 활용해 연산 효율을 높입니다. 또한 노드 간 거리를 기반으로 근접성을 설계하여 해 탐색 과정을 체계화하고, GPU와 CPU 자원 조합에서의 병목을 분석합니다. 이를 통해 Traveling Salesman Problem에 대한 근사 탐색 성능을 구체화하는 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 GPU의 데이터 병렬성을 활용하여 Ant Colony System의 핵심 연산을 병렬 구조로 구현하고, 실행 구성(스레드 및 블록)의 영향과 메모리 접근 특성을 관찰하는 데 집중했습니다. 이후 Traveling Salesman Problem에 적용하여 근접성 기반 탐색 설계를 병렬 실행과 함께 평가하였고, GPU와 CPU 환경에서 성능 개선 요인을 정리하는 방향으로 연구를 진행했습니다. 최근에는 병렬화 관점의 성능 분석을 바탕으로 조합 최적화 휴리스틱의 재사용 가능한 병렬화 전략을 도출하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

GPU 병렬화 프레임워크
메타휴리스틱 탐색 가속
근접성 기반 휴리스틱 설계
메모리 접근 최적화 기법
조합최적화 테스트베드
스케줄링 문제 근사해 생성
경로 최적화 응용 모델
하드웨어 의존 성능 분석
GPU-CPU 공동 실행 전략
실험 재현 가능한 성능 프로파일링