위험 민감 마코프 제어 프로세스

초록

본 논문은 일반적인 Borel 공간 위에 정의된 위험 지도(risk map)를 이용해 마코프 제어 프로세스(MCP)의 위험 민감 최적 제어 문제를 통합적으로 다룬다. 가중 노름 공간을 도입해 무한 비용을 허용하고, 할인형 총 위험과 평균 위험 두 가지 무한 horizon 기준에 대해 새로운 할인 스킴과 Lyapunov‑유형 안정 조건을 제시하며 동적 프로그래밍 해법을 제공한다.

상세 분석

이 연구는 기존 마코프 제어 이론에 위험 측정 개념을 확장함으로써 두 가지 중요한 공백을 메운다. 첫째, 전통적인 위험 중립 기대값 대신 ‘위험 지도’를 도입해 현재 상태와 행동에만 의존하는 마코프식 위험 측정을 가능하게 한다. 위험 지도는 일반적인 위험 측정(모노톤성, 변위 불변성, 중심화) 정의를 그대로 유지하면서, 위험 회피·추구, 혹은 혼합형 위험 선호를 표현할 수 있도록 convex·concave·coherent 속성을 선택적으로 부여한다. 둘째, 위험 측정이 반드시 convex 혹은 coherent일 필요가 없다는 점을 강조한다. 이는 행동경제학에서 관찰되는 위험 선호의 비대칭성을 모델링하는 데 필수적이며, 위험 회피와 위험 추구가 상태에 따라 교차하는 상황을 수학적으로 정당화한다.

논문은 위험 지도를 서브모듈·업퍼모듈이라는 연산적 도구와 연결시켜, 위험 지도 자체의 서브선형성, 동질성, 코히런스 등을 체계적으로 분석한다. 특히, 위험 지도의 서브모듈은 위험 지도보다 항상 큰 값을 갖고, 코히런스가 성립하면 두 연산이 동일해진다는 결과는 동적 프로그래밍 연산자를 설계할 때 중요한 구조적 특성을 제공한다.

무한 horizon 목표에 대해서는 두 가지 기준을 다룬다. 할인형 총 위험에서는 기존 문헌에서 사용되는 ‘α·E