쌍대 상호작용을 고려한 균형 최적화 문제

초록

본 논문은 자원 배분 시 개별 비용뿐 아니라 쌍대 상호작용까지 고려하는 ‘Quadratic Balanced Optimization Problem(QBOP)’을 정의하고, 이 문제가 일반적으로 강 NP‑hard임을 증명한다. 단순한 해 집합 구조에서도 난이도가 유지되는 점을 강조한다. 이후 정확 알고리즘(분지‑한계, 정수선형 모델링)과 휴리스틱(탐욕적 구축, 지역 탐색, 메타휴리스틱)들을 제시하고, 무작위 생성된 quadratic knapsack 인스턴스를 통해 실험을 수행한다. 특히 비용 행렬이 특수 구조(예: 순서형, 블록 대각형)를 가질 경우, QBOP을 일련의 선형 균형 최적화 문제로 변환하여 다항식 시간에 해결할 수 있음을 보인다. 실험 결과는 제안된 알고리즘들의 효율성을 입증한다.

상세 분석

QBOP은 기존의 균형 최적화(Balanced Optimization) 모델에 2차 비용 항을 추가한 형태로, 목표 함수는 선택된 원소 집합 내 모든 쌍 (i, j)에 대한 비용 c_{ij}의 최대값과 최소값의 차이를 최소화하는 것이다. 이 정의는 자원 배분에서 공정성을 유지하면서도, 자원 간 상호작용(예: 시너지, 충돌)까지 반영하려는 실용적 요구를 충족한다. 논문은 먼저 QBOP이 일반적인 경우 강 NP‑hard임을, 특히 해 집합이 단순히 ‘크기 k 이하’ 혹은 ‘용량 제한’과 같은 전통적 제약만을 가질 때도 증명한다. 이는 2차 항이 문제의 구조적 복잡성을 급격히 증가시킴을 의미한다.

정확 알고리즘으로는 (1) 분지‑한계 기법을 기반으로 한 탐색 트리를 구축하고, 상한·하한을 계산하기 위해 선형 균형 최적화(LBO) 문제를 반복적으로 해결한다. (2) 혼합 정수선형 프로그램(MILP) 모델을 설계하여 상용 솔버에 직접 입력함으로써, 작은 규모 인스턴스에 대해 최적해를 도출한다. 휴리스틱 측면에서는 (a) 비용 행렬의 최대·최소값을 기준으로 초기 해를 구성하는 탐욕적 방법, (b) 선택된 집합을 부분적으로 교환하거나 추가·제거하면서 목표 함수를 개선하는 지역 탐색, (c) 시뮬레이티드 어닐링·유전 알고리즘 등 메타휴리스틱을 결합한 하이브리드 프레임워크를 제시한다.

특수 구조에 대한 다항식 해결 가능성은 논문의 핵심 기여 중 하나이다. 비용 행렬이 (i) 순서형(모든 i<j에 대해 c_{ij} ≤ c_{i+1,j+1})이거나 (ii) 블록 대각형(서브매트릭스마다 독립적인 상호작용)인 경우, QBOP을 ‘최대 최소 차이’를 단계별로 감소시키는 일련의 선형 균형 문제로 분해할 수 있다. 이때 각 단계는 기존의 LBO 알고리즘으로 효율적으로 해결되며, 전체 복잡도는 O(n·poly(m)) 수준으로 제한된다.

실험에서는 무작위로 생성된 quadratic knapsack 문제(요소 수 50200, 용량 제한 0.20.8) 200여 개를 대상으로 정확 알고리즘과 휴리스틱을 비교하였다. 결과는 (i) 정확 알고리즘이 작은 인스턴스(n≤80)에서는 최적해를 빠르게 찾지만, 규모가 커질수록 시간 초과가 빈번히 발생한다는 점, (ii) 제안된 휴리스틱이 평균 2~5%의 최적성 손실로 1초 이내에 해를 제공하며, 특히 특수 구조를 가진 인스턴스에서는 거의 최적에 근접한다는 점을 보여준다. 또한, 특수 구조를 이용한 다항식 알고리즘은 n=200까지도 수 밀리초 내에 최적해를 도출함을 확인하였다.

이러한 분석을 통해 QBOP이 이론적으로는 난이도가 높지만, 실제 응용에서 비용 행렬의 구조적 특성을 활용하면 실용적인 해결책을 얻을 수 있음을 입증한다. 향후 연구는 (1) 더 일반적인 구조(예: 희소 행렬, 계층적 상호작용)에서의 다항식 알고리즘 개발, (2) 동적 환경에서의 실시간 균형 유지, (3) 다른 NP‑hard 문제와의 복합 모델링 등을 제시한다.