반복 알고리즘의 교란 회복성과 우수화 기법

초록

본 논문은 교란 회복성(perturbation resilience)을 갖는 투사 기반 반복 알고리즘에 대해, 최적화 목적 함수를 고려한 “우수화(superiorization)” 절차를 자동으로 적용하는 방법론을 제시한다. 교란 회복성을 증명한 여러 알고리즘에 작은 방향성 교란을 가함으로써, 원래의 계산 효율성을 유지하면서도 목표 함수값을 감소시키는 방향으로 진행한다. 이미지 재구성 실험을 통해 총변동(total variation) 최소화를 목표로 한 두 가지 투사 알고리즘을 우수화한 결과를 보여준다.

상세 분석

논문은 먼저 ‘일관된(convex) 가용성 문제’를 정의하고, 이를 해결하기 위한 전통적인 투사 알고리즘—예를 들어 순차적 투사법(POCS), 블록 교대 투사법, 그리고 교대 최소제곱 투사법—이 메모리와 연산량 측면에서 매우 가벼운 특성을 가지고 있음을 강조한다. 그러나 이러한 알고리즘은 단순히 가용성 집합의 교차점을 찾는 데에만 초점을 맞추며, 추가적인 최적화 목표(예: 이미지의 총변동 최소화)를 직접 다루지는 못한다. 여기서 핵심 개념인 ‘교란 회복성(perturbation resilience)’이 등장한다. 저자는 알고리즘이 각 반복 단계에서 작은, 제한된 크기의 교란(perturbation)을 받아도 수렴성을 유지한다는 수학적 정의와 정리를 제시한다. 특히, 비감소성(non‑expansive) 연산자와 Fejér 단조성(Féjer monotonicity)을 이용해, 교란이 누적되더라도 수렴점이 원래 문제의 해 집합에 남는 조건을 증명한다.

이러한 이론적 토대를 바탕으로 ‘우수화(superiorization)’라는 절차를 설계한다. 우수화는 두 단계로 이루어진다. 첫 번째는 기존 알고리즘의 기본 반복을 그대로 수행하고, 두 번째는 각 단계마다 목표 함수(예: TV)의 감소 방향으로 작은 교란을 삽입한다. 교란의 크기는 사전에 정해진 감소 스케줄에 따라 점차 줄어들며, 이는 교란 회복성 조건을 만족하도록 설계된다. 결과적으로 알고리즘은 원래의 가용성 문제를 해결하면서도 목표 함수값을 현저히 낮추는 ‘우수한’ 해에 근접한다.

실험 부분에서는 X‑ray CT 투영 데이터를 이용해 두 가지 투사 알고리즘—알고리즘 A(순차적 투사)와 알고리즘 B(블록 교대 투사)—을 각각 우수화한 버전을 구현한다. 총변동(TV) 최소화를 위한 교란은 각 픽셀에 대한 부분 미분을 이용한 서브그라디언트 방향으로 정의되며, 교란 크기는 𝛼_k = α_0·β^k (0<β<1) 형태로 감소한다. 결과는 원본 알고리즘에 비해 재구성 이미지의 TV가 평균 30% 이상 감소했으며, 재구성 시간은 5% 이하의 오버헤드만 발생함을 보여준다. 이는 교란 회복성을 활용한 우수화가 계산 효율성을 크게 해치지 않으면서도 실질적인 최적화 효과를 제공한다는 강력한 증거가 된다.

마지막으로 저자는 우수화가 ‘근사 최적화(approximate optimization)’의 한 형태로 볼 수 있음을 제시하고, 교란 회복성을 만족하는 더 넓은 범위의 알고리즘—예를 들어 비선형 사전조건부 경사법, 확률적 투사법—에도 동일한 프레임워크를 적용할 수 있음을 시사한다. 이는 기존의 고비용 최적화 알고리즘을 대체하거나 보완하는 실용적인 대안으로서, 특히 대규모 데이터와 제한된 컴퓨팅 자원을 다루는 현대 영상·신호 처리 분야에 큰 파급 효과를 기대하게 만든다.