선형 동적 시스템의 파라미터 불확실성 최적화

초록

본 논문은 텐서 형식의 파라미터 불확실성 모델을 도입하여 선형 동적 시스템의 예측, 데이터 처리 및 최적 제어 문제를 통합적으로 해결하는 새로운 확률적 최적화 방법을 제시한다. 시뮬레이션 결과는 제안 기법이 기존 방법에 비해 불확실성에 강인하면서도 계산 효율성이 높음을 보여준다.

상세 분석

이 연구는 선형 동적 시스템에 내재된 파라미터 불확실성을 정량화하기 위해 텐서 이론을 활용한다. 기존의 확률적 모델링은 주로 스칼라 혹은 행렬 형태의 공분산을 사용했지만, 텐서는 다차원 상호작용을 자연스럽게 포착한다는 장점이 있다. 논문은 먼저 시스템 매개변수를 2차 텐서(공분산 텐서)와 3차 텐서(고차 모멘트 텐서)로 표현하고, 이를 기반으로 상태 전이와 관측 모델을 확장한다. 이러한 모델링은 파라미터 간의 비선형 상관관계와 시간에 따른 변동성을 동시에 고려할 수 있게 한다.

예측 단계에서는 확장 칼만 필터(EKF)의 텐서 버전을 도입하여, 상태 추정과 파라미터 추정을 공동으로 수행한다. 여기서 핵심은 텐서 연산을 통해 예측 오차 공분산을 정확히 업데이트함으로써, 불확실성 전파 과정에서 발생하는 과소·과대 추정 문제를 최소화한다는 점이다. 데이터 처리 파트에서는 관측 데이터와 사전 파라미터 분포를 결합한 베이지안 업데이트를 텐서 형태로 구현한다. 이때, 사전-후분포 간의 KL 발산을 최소화하는 최적화 문제를 풀어 파라미터 추정의 수렴 속도를 높인다.

제어 설계에서는 확률적 최적 제어(POD) 프레임워크를 텐서 기반 비용 함수와 제약 조건에 적용한다. 비용 함수는 기대값과 위험(분산) 두 요소를 가중합으로 구성하고, 텐서 미분을 이용해 최적 제어 입력을 도출한다. 특히, 파라미터 불확실성을 고려한 로버스트 제어 해를 구하기 위해, 제약 조건을 불확실성 경계 내에서 만족하도록 설계하였다.

시뮬레이션에서는 2차 및 3차 텐서 모델을 각각 적용한 경우와 기존 행렬 기반 방법을 비교하였다. 결과는 텐서 모델이 파라미터 변동성을 더 정확히 포착해 예측 오차를 평균 15% 감소시키고, 제어 비용을 10% 이상 절감함을 보여준다. 또한, 계산 복잡도는 텐서 연산 최적화를 통해 기존 방법과 동등하거나 약간 향상된 수준을 유지한다. 이러한 성과는 텐서 기반 접근법이 고차원 불확실성 문제에 효과적이며, 실시간 제어 시스템에도 적용 가능함을 시사한다.