그린 클라우드라운을 위한 L2 박스 최적화와 네트워크 적응

** 본 논문은 차세대 무선 네트워크인 클라우드라운(Cloud‑RAN)에서 에너지 효율성을 극대화하기 위한 새로운 최적화 프레임워크를 제시한다. 기존 연구들은 RRH(원격 무선 헤드)의 활성/비활성 제어와 빔포밍 설계를 동시에 고려해야 하는 MIP(혼합정수계획) 문제를 완화하거나, 브랜치‑앤‑바운드와 같은 전역 탐색 방법을 사용했지만, 계산 복잡도와 해의 정확도 사이에서 타협이 불가피했다. 특히, GSBF(그룹 스파스 빔포밍) 알고리즘은 가중치 L1/L2 정규화를 이용해 그룹 스파스를 유도하지만, 이진성 보장이 부족해 실제 전력 절감 효과가 제한적이었다. 이에 저자들은 이진 변수 z∈{0,1}ᴸ을 두 개의 연속 제약, 즉 0≤z≤1와 ‖z−½·1‖₂² = L/4 로 정확히 표현하는 ‘L2‑박스’ 기법을 도입한다. 이 변환은 이진성을 완전히 보존하면서 문제를 연속형 비볼록 최적화 형태로 바꾸어, 기존의 완화 기법보다 더 정확한 해를 기대할 수 있다. 변환 후 목표 함수는 RRH 전원 소비와 프론트홀 전력 소비의 합으로 정의되며, 제약은 (1) 사용자별 SINR을 SOC(Second‑Order Cone) 형태로 유지, (2) 각 RRH의 전송 전력 제한, (3) L2 구면 제약을 포함한다. 비볼록 구면 제약을 직접 다루기 위해 듀얼 어센트 방법을 적용한다. 구면 제약을 라그랑주 승수 λ와 함께 이중화하고, λ를 양의 값으로 초기화한다. 알고리즘은 두 단계로 진행된다. 첫 번째 단계에서는 현재 λ값을 고정하고, 원시 변수 (z, v)를 최소화한다. 이 최소화 문제는 φ(z,v) + λ(L/4−‖z−½·1‖₂²) 형태이며, λ·‖z−½·1‖₂² 항이 비볼록성을 유발한다. 이를 해결하기 위해 MM(메이저라이제이션‑미니마이제이션) 알고리즘을 도입한다. MM 단계에서는 비볼록 부분을 현재 iterate z^{(s)}에 대해 1차 테일러 전개하여 선형화하고, 나머지 볼록 부분은 그대로 유지한다. 이렇게 구성된 볼록 상위함수 ˆL은 CVX와 같은 표준 볼록 최적화 솔버로 효율적으로 해결된다. 두 번째 단계에서는 λ를 구면 제약 위반 정도에 비례하여 업데이트한다: λ^{t+1}=λ^{t}+α^{t}(L/4−‖z^{t+1}−½·1‖₂²). α^{t}>0는 단계 크기로, λ는 항상 양수를 유지한다. 이 과정은 λ가 구면 제약을 점점 더 강하게 penalize하도록 하여, 최종적으로 z가 0 혹은 1에 수렴하도록 만든다. 알고리즘은 외부 듀얼 어센트 루프와 내부 MM 루프 두 겹의 반복 구조를 갖는다. 수렴 기준은 (i) λ 변화량이 미리 정한 ε₂ 이하, (ii) 원시 변수 변화량 ‖z^{t+1}−z^{t}‖₂와 ‖v^{t+1}−v^{t}‖_F가 ε₃ 이하인 경우이다. 또한, MM 내부 루프는 완전한 최적화를 요구하지 않고, ‖z^{(s+1)}−z^{(s)}‖₂+‖v^{(s+1)}−v^{(s)}‖_F ≤ ε₁ 정도만 만족하면 중단한다. 이러한 ‘인액시트’ 전략은 연산량을 크게 절감하면서도 충분한 개선을 보장한다. 실험에서는 L=10개의 RRH, K=6명의 단일 안테나 사용자, 각 RRH당 2개의 안테나를 가정하고, 프론트홀 전력 13 W, PA 효율 ¼을 적용하였다. 초기값은 구면 제약을 제외한 연속 문제를 먼저 풀어 얻은 (z₀, v₀)로 설정했으며, 이는 무작위 초기화보다 빠른 수렴을 유도한다. 시뮬레이션 결과는 다음과 같다. (1) 제안된 L2‑박스 기반 알고리즘은 듀얼 어센트와 MM을 결합함으로써 λ와 원시 변수 모두 로그 스케일에서 10⁻⁵ 수준까지 빠르게 감소한다. (2) 평균 네트워크 전력 소비 측면에서, 기존 RMIP(완화 MIP)와 GSBF에 비해 전력 절감 효과가 현저히 크며, 특히 목표 SINR이 낮을수록 차이가 확대된다. 이는 RRH를 효과적으로 슬립 모드로 전환하고, 그룹 스파스를 강화하는 데 L2‑박스가 유리함을 의미한다. 논문은 또한 향후 연구 과제로 (i) 전역 최적에 가까운 초기값 탐색, (ii) p‑norm 기반 ‘p‑박스’ 기법(예: L1‑박스, L½‑박스) 탐색, (iii) ADMM, SQP 등 다른 비선형 솔버와의 성능 비교를 제시한다. 결론적으로, 이진 제약을 연속형 구면으로 정확히 변환하고, 듀얼 어센트와 MM을 결합한 접근법은 복잡한 클라우드라운 전력 최소화 문제에 실용적인 로컬 최적해를 빠르게 제공함으로써, 그린 네트워크 설계에 새로운 가능성을 열어준다. **