차원 저주를 극복하는 맥스플러스 근사법의 이론적 한계와 효율적 가지치기 알고리즘

초록

본 논문은 고차원 최적 제어 문제의 값함수를 맥스플러스 기반의 제한된 수의 기저함수(베이스 함수)들의 상극대(supremum)로 근사하는 방법을 연구한다. 함수 근사의 정확도와 필요한 베이스 함수 개수 사이의 관계를 Bregman 거리 기반의 시설 위치·k‑센터 문제와 연결시켜 이론적 오류 한계를 제시하고, 기존 McEneaney의 차원 저주 자유 방법을 개선하는 새로운 가지치기(pruning) 알고리즘을 제안한다. 실험 결과는 제안된 방법이 동일한 계산 비용에서 더 높은 정확도를 달성함을 보여준다.

상세 분석

이 논문은 맥스플러스 대수 구조를 이용해 고차원 최적 제어 문제의 해인 Hamilton‑Jacobi‑Bellman(HJB) 방정식의 해를 근사하는 두 가지 핵심 과제를 명확히 구분한다. 첫 번째는 짧은 시간 구간 τ에 대해 Lax‑Oleinik 반군집 연산자 Sτ를 적용한 뒤, 그 결과를 미리 정의된 베이스 함수 집합 B(주로 형태 w_p(x)=−c²‖x‖²+pᵀx)로 다시 근사하는 과정이다. 두 번째는 이렇게 생성된 수많은 베이스 함수를 효율적으로 압축(가지치기)하여 근사 오차를 최소화하면서도 계산량을 제한하는 문제이다.

저자들은 베이스 함수 선택 문제를 연속적인 시설 위치(facility location)와 k‑센터(k‑center) 문제로 모델링한다. 여기서 비용 함수는 Bregman 거리이며, 이는 베이스 함수가 제공하는 하위평면(affine minorant)과 원래 함수 사이의 차이를 정량화한다. 기존의 이산형 시설 위치·k‑센터 문제는 NP‑hard임을 이용해, 연속형 버전 역시 최적 해를 구하기는 어려우며, 따라서 저자들은 Shor SDP 완화와 휴리스틱(예: greedy, local search) 결합 방식을 제안한다.

이론적 측면에서는, 함수 ψ가 c‑semiconvex이고 C² 클래스라면, n개의 베이스 함수로 근사했을 때 L¹ 오차는 O(n^{-2/d})·∫(det(∇²ψ+cI))^{1/(d+2)}dx 형태로 수렴하고, L^∞ 오차는 O(n^{-2/d})·∫(det(∇²ψ+cI))^{1/(2d)}dx 로 수렴한다. 이는 차원이 증가할수록 동일한 정확도를 얻기 위해 필요한 베이스 함수 수가 지수적으로 늘어남을 의미한다(ε^{-d/2} 규모). 따라서 맥스플러스 기반 방법 자체가 차원 저주를 완전히 피할 수 없다는 부정적 결과를 도출한다.

하지만 실제 구현에서는, McEneaney가 제안한 “차원 저주 자유” 방법에 가지치기 절차를 적용하면, 실험적으로는 오차가 급격히 감소하고 필요한 베이스 함수 수가 크게 줄어든다. 저자들은 이를 설명하기 위해 프루멀(primal) 버전의 알고리즘을 도입한다. 기존 방법은 듀얼 표현을 사용해 베이스 함수를 생성하고, 이후에 중복을 제거했지만, 프루멀 버전은 직접적인 베이스 함수 집합을 유지하면서 각 단계에서 바로 최적화된 파라미터를 계산한다. 이 과정에서 가지치기 문제를 연속형 k‑median(또는 k‑center) 문제로 재구성하고, Shor SDP 완화와 휴리스틱을 결합해 근사 최적해를 빠르게 찾는다.

실험에서는 차원 d=615 범위의 스위칭 제어 문제에 대해, 기존 방법 대비 동일한 실행 시간 내에 L^∞ 오차를 3050% 정도 감소시켰으며, 베이스 함수 개수도 2배 이하로 감소했다. 이는 이론적 복잡도 한계에도 불구하고, 실제 문제에서는 구조적 특성(예: Hessian 행렬이 거의 일정함)과 효율적인 가지치기 전략이 차원 저주를 실질적으로 완화할 수 있음을 보여준다.

결론적으로, 본 논문은 맥스플러스 기반 근사법이 근본적인 차원 저주 한계를 가지고 있음을 증명하면서도, 프루멀 알고리즘과 고도화된 가지치기 기법을 통해 실용적인 차원 저주 완화가 가능함을 입증한다. 이는 고차원 최적 제어 분야에서 맥스플러스 방법을 보다 널리 적용할 수 있는 이론적·실험적 토대를 제공한다.