하이브리드 인플루언스 다이어그램의 결정론적 변수 해결법

초록

본 논문은 이산·연속·결정론적 확률 변수와 이산·연속 의사결정 변수를 포함하는 하이브리드 인플루언스 다이어그램을 풀기 위한 프레임워크와 알고리즘을 제시한다. 연속 확률 변수가 조건부 분포에서 분산이 0인 경우를 ‘결정론적 변수’라 정의하고, 기존 셰노이의 퓨전 알고리즘을 확장하여 이들 변수를 효율적으로 처리한다. 확장된 셰노이‑샤프 아키텍처를 통해 이산·연속·유틸리티 포텐셜을 전파하고, 두 개의 예시를 통해 알고리즘의 적용 과정을 시연한다.

상세 분석

이 논문은 하이브리드 인플루언스 다이어그램(HID)의 모델링 한계를 극복하기 위해 결정론적 연속 변수라는 새로운 개념을 도입한다. 기존 연구에서는 연속 확률 변수가 반드시 확률 밀도 함수를 가져야 한다고 가정했으나, 실제 의사결정 문제에서는 물리적 제약이나 수식적 관계에 의해 값이 고정되는 경우가 빈번히 발생한다. 이러한 경우를 ‘조건부 분산이 0인 연속 변수’로 정의하고, 이를 ‘결정론적 변수’라 명명함으로써 모델링 복잡성을 크게 낮출 수 있다.

알고리즘 측면에서는 셰노이의 퓨전 알고리즘을 기반으로, 이산·연속·결정론적 변수와 유틸리티 포텐셜을 동시에 다룰 수 있는 확장된 셰노이‑샤프 전파 체계를 설계한다. 핵심 아이디어는 변수별로 적절한 포텐셜 형태(이산 테이블, 연속 함수, 혹은 고정값)를 유지하면서, 결합·소거 연산을 수행할 때 각각의 특성을 보존하는 것이다. 특히 결정론적 변수는 소거 과정에서 적분 대신 대입 연산으로 대체되므로, 연속 변수에 대한 복잡한 수치 적분을 회피할 수 있다. 이는 연산 비용을 크게 절감하고, 수치적 불안정성을 최소화한다.

또한, 의사결정 변수의 연속성도 고려하여, 기대 효용을 계산할 때 연속 의사결정 변수에 대한 최적화 문제를 직접 해결한다. 이를 위해 유틸리티 포텐셜을 연속 함수 형태로 유지하고, 필요 시 라그랑주 승수를 도입해 제약 조건을 통합한다. 결과적으로, 이 프레임워크는 기존 이산 전용 인플루언스 다이어그램 솔버와 달리, 연속·이산·결정론적 변수들이 혼재된 복합 의사결정 상황을 일관되게 처리한다.

실험 부분에서는 두 개의 소규모 예시를 통해 알고리즘 흐름을 상세히 보여준다. 첫 번째 예시는 제조 공정에서의 품질 관리 문제로, 연속 온도 변수와 결정론적 압력 변수, 그리고 이산 고장 상태 변수를 포함한다. 두 번째 예시는 투자 포트폴리오 최적화 문제로, 연속 수익률 변수와 결정론적 거래 비용, 그리고 이산 시장 상황 변수를 모델링한다. 두 사례 모두 기대 효용이 정확히 계산되고, 최적 정책이 도출되는 것을 확인한다.

전반적으로 이 논문은 하이브리드 인플루언스 다이어그램 분야에 결정론적 변수를 체계적으로 통합하는 방법을 제시함으로써, 복합 의사결정 모델링의 적용 범위를 크게 확장한다는 점에서 학술적·실무적 의의가 크다.