본 논문은 방향 그래프에서 최소 제로 포싱 집합을 찾는 문제를 탐구하며, 이를 해결하기 위한 적응형 머신러닝 프레임워크를 제안합니다. 최소 제로 포싱 집합 문제는 네트워크에서 색 변화 규칙에 따라 초기 노드 집합의 색이 퍼져나가는 그래프 색칠 문제입니다. 제로 포싱 집합은 색 변화 규칙 제약 하에 모든 미색칠 노드를 색을 변경하도록 강제합니다.
네트워크 과학, 네트워크 제어, 논리 회로 설계 등 다양한 분야에서 활용 가능하며, 최소 제로 포싱 집합을 찾는 것은 NP-hard 문제로 알려져 있습니다. S2V-DQN 아키텍처를 적용한 강화 학습 프레임워크 SD-ZFS를 제안하여 다양한 그래프 데이터셋에서 모델을 학습하고 성능을 분석했습니다.
실험 결과, 제안하는 프레임워크는 최적 해 및 탐욕적 휴리스틱과 비교하여 효과적이며, 머신러닝을 통해 제로 포싱 집합 문제를 해결하고 네트워크 구조가 문제에 미치는 영향을 이해할 수 있음을 보여줍니다.