지능형 에이전트 기반 감자 시장 시뮬레이션 시스템 설계

초록

본 논문은 농가, 중개인, 산업체 등 감자 시장의 주요 주체들을 다중 에이전트 시스템으로 모델링하고, 각 에이전트에 퍼지 논리를 적용해 실제 의사결정을 모사한다. JADE 플랫폼 위에 구현된 시뮬레이션은 시나리오 파일의 파라미터를 기반으로 연도별 재무·상품 흐름을 계산하고, 결과를 스프레드시트와 차트로 출력한다. 또한 과거 결과를 토대로 향후 시장 동향을 예측한다.

상세 분석

이 연구는 전통적인 경제 시뮬레이션과는 달리, 에이전트 기반 모델링(ABM)과 퍼지 로직을 결합함으로써 인간 행위자의 불확실하고 모호한 의사결정 과정을 정량화한다는 점에서 혁신적이다. 먼저 JADE(Java Agent DEvelopment Framework)를 선택한 이유는 분산 환경에서 에이전트 간 통신을 표준화된 ACL(Agent Communication Language)로 구현할 수 있어 확장성과 유지보수가 용이하기 때문이다. 각 에이전트 유형—농가(FarmerAgent), 중개인(MiddlemanAgent), 산업체(IndustryAgent)—은 고유의 상태 변수(예: 재고량, 생산비, 판매가격)와 행동 규칙을 보유한다.

퍼지 로직은 ‘가격 민감도’, ‘재고 위험’, ‘수요 예측’ 등 인간이 직관적으로 판단하는 요소를 언어 변수와 멤버십 함수를 통해 수치화한다. 예를 들어, 농가 에이전트는 “가격이 높고 재고가 충분하면 생산을 늘린다”는 규칙을 ‘높음/보통/낮음’이라는 퍼지 집합으로 표현하고, 규칙 기반 추론 엔진을 통해 생산량을 결정한다. 이러한 접근은 전통적인 선형 회귀 모델이 포착하기 어려운 비선형 상호작용을 자연스럽게 모델링한다.

시뮬레이션 시나리오 파일은 XML 형식으로 설계되어, 초기 파라미터(시작 연도, 초기 재고, 시장 규모 등)와 정책 변수(보조금, 세율 등)를 손쉽게 수정할 수 있다. 실행 단계에서는 에이전트들이 매년 순환적으로 의사결정을 수행하고, 거래 매칭 로직을 통해 실제 시장 가격과 거래량을 도출한다. 결과는 매년 각 에이전트의 재무제표(수익, 비용, 순이익)와 물류 데이터(수입·수출량, 재고 변동)를 포함한 CSV 파일로 저장되며, Python/Matplotlib 스크립트를 통해 자동으로 그래프화된다.

예측 모듈은 시계열 분석과 퍼지 추론을 결합한다. 과거 N년간의 출력 데이터를 기반으로 이동 평균과 퍼지 규칙을 적용해 다음 연도의 가격·수요·공급을 추정한다. 이는 단순 통계 모델보다 변동성을 더 잘 반영한다는 장점이 있다.

한계점으로는 에이전트 행동 규칙이 전문가 인터뷰에 의존해 설계되었기 때문에, 실제 시장 참여자의 다양성을 완전히 포괄하지 못한다는 점이다. 또한 JADE의 단일 JVM 환경은 대규모 시뮬레이션(수천 개 에이전트)에서 메모리와 성능 병목을 초래할 수 있다. 향후 연구에서는 클라우드 기반 분산 실행과 강화학습을 통한 규칙 자동 생성 등을 검토한다.