정성적 순서 규모 인플루언스 다이어그램

초록

본 논문은 확률과 효용을 순서 규모(오더‑오브‑매그니튜드)로 근사하여, 정성적·불확실한 정보만으로도 순차적 의사결정 문제를 모델링하고 해결할 수 있는 새로운 인플루언스 다이어그램 프레임워크를 제시한다. 부분 순서화된 효용 집합을 통해 선호도를 표현하고, 전용 변수 소거 알고리즘을 설계해 해를 구한다.

상세 분석

이 연구는 전통적인 인플루언스 다이어그램이 요구하는 정확한 확률·효용 수치가 부족한 상황을 겨냥한다. 저자들은 ‘순서 규모’라는 개념을 도입해 확률을 𝜖^k 형태(𝜖는 무시 가능한 작은 양, k는 정수)로, 효용을 𝜖^l·u 형태(정수 l과 정규화된 효용 u)로 근사한다. 이렇게 하면 값의 절대 크기보다는 상대적인 크기 관계만을 유지하면서도 연산이 단순화된다.

효용 측면에서는 단일 실수 대신 ‘효용 집합’을 허용한다. 각 집합은 부분 순서 관계를 갖으며, 이는 의사결정자가 명확한 순위가 없는 대안들을 동시에 고려할 수 있게 한다. 이러한 표현은 다중 기준 의사결정이나 불확실한 가치 판단에 자연스럽게 매핑된다.

알고리즘적으로는 전통적인 변수 소거(Variable Elimination, VE) 절차를 순서 규모 연산에 맞게 변형한다. 핵심은 ‘최소·최대’ 연산을 𝜖‑지수 형태로 정의하고, 합산·곱셈을 지수의 덧셈·최소/최대 선택으로 치환하는 것이다. 이 과정에서 ‘정규화’ 단계가 필요해, 최종 결과가 의미 있는 순서 규모 효용 집합이 되도록 보장한다.

복잡도 분석에 따르면, 순서 규모 인플루언스 다이어그램(O-MID)의 해석은 기존 정량적 모델과 동일한 구조적 복잡도를 유지하지만, 각 연산이 정수 지수 수준으로 축소돼 실제 실행 시간은 크게 단축될 수 있다. 또한, 부분 순서 효용 집합을 다루는 경우에도 최적 정책을 찾는 과정이 ‘가능성’(가능한)·‘불가능성’(불가능한) 수준으로 구분돼, 완전한 수치 해석이 불가능한 상황에서도 유용한 결론을 도출한다.

이 논문은 정성적 의사결정 모델링에 새로운 도구를 제공함과 동시에, 기존 베이즈 네트워크·인플루언스 다이어그램 연구와 연결 고리를 만든다. 특히, 불완전한 데이터, 전문가 의견만으로 구성된 도메인(예: 초기 재난 대응, 신제품 초기 설계)에서 적용 가능성이 높다.