협력·경쟁 환경에서의 최대 최소 공정분배와 서브그라디언트 최적화

초록

이 논문은 완전 가분 재화를 여러 에이전트에게 나누는 문제에서, 경쟁적 상황과 사전 협력(연합) 상황 모두에 대한 최대-최소(맥스민) 할당의 상·하한을 이론적으로 제시하고, 이를 정확히 계산하기 위한 서브그라디언트 기반 알고리즘을 설계한다. 또한 연합 게임의 샤플리값을 구하는 예시를 제공한다.

상세 분석

본 연구는 ‘맥스민’ 할당, 즉 모든 참여자가 최소한으로 확보할 수 있는 효용을 최대화하는 분배 방식을 두 가지 전략적 맥락에서 탐구한다. 첫 번째는 전통적인 경쟁 모델로, 각 플레이어가 다른 사람과 직접 경쟁하며 자신에게 할당되는 조각을 최대화하려는 상황이다. 여기서는 기존의 Dubins‑Spanier 정리를 확장해, 연속적인 가분 재(‘케이크’)에 대해 존재와 균등성(equitable) 특성을 재확인한다. 두 번째는 사전 연합(cooperative) 모델로, 플레이어들이 사전에 상호 배타적인 연합을 형성하고, 각 연합이 공동 효용 함수를 정의한다. 연합별 가중치 w(S)를 도입해 연합을 하나의 ‘가상 플레이어’로 취급함으로써, 연합 간 경쟁을 동일한 맥스민 프레임워크에 귀착시킨다.

핵심 수학적 도구는 ‘파트션 레인지(Partition Range)’ 혹은 IPS(Individual Pieces Set)이다. 각 가능한 파티션을 효용 벡터 (µ₁(B₁),…,µ_m(B_m)) 로 매핑한 뒤, 이 집합이 볼록하고 폐집합임을 이용해 맥스민 값 v(Γ,w)는 ‘평등선(egalitarian line)’과 IPS의 파레토 전선이 교차하는 지점으로 정의한다. 이 기하학적 해석은 상한을 구하는 데 유용한데, 임의의 단순체 Δ_{m‑1} 위의 가중치 벡터 α에 대해 g(α)=∫C max_j {α_j f_j(x)}dx 라는 함수가 도출된다. g는 볼록함수이며 v(Γ,w)=min{α∈Δ} g(α) 로 표현된다. 따라서 α를 최적화하면 상한이 점점 낮아진다.

하한은 ‘파티션 값 벡터(PVV)’ u^α = (µ₁(B^α₁),…,µ_m(B^α_m)) 를 이용해 구성한다. 여러 PVV를 선형 결합해 만든 볼록 껍질 V와 평등선의 교점을 구하면 v(Γ,w)≥v(u) 라는 하한이 얻어진다. 제안된 Proposition 3.4는 u_h가 가장 큰 성분일 때, v(u)=u_h + ∑_{j≠h}(u_h−u_j)µ_j(C) 로 계산되며, 이는 최소 성분보다 항상 크다.

알고리즘적 기여는 Shor의 서브그라디언트 방법을 ‘투사 서브그라디언트(projection subgradient)’ 형태로 적용한 점이다. g는 비미분 가능하지만 서브그라디언트가 존재하므로, α를 반복적으로 업데이트하고 Δ_{m‑1}에 투사함으로써 g(α) 를 감소시킨다. 수렴 이론에 따라, 적절한 스텝 사이즈 선택 시 g(α^k)→v(Γ,w) 가 보장된다. 실험에서는 두 개의 연합 게임을 설정하고, 최적 α와 파티션을 구한 뒤 샤플리값을 계산해 연합 내부의 공정성을 정량화한다.

이 논문은 기존의 ‘맥스민’ 할당이 주로 존재와 특성 분석에 머물렀던 점을 넘어, 실제 계산 가능한 상·하한과 수치적 최적화 절차를 제공한다. 특히 연합 게임과 연결시켜 샤플리값을 도출함으로써, 협력적 공정분배의 경제학·게임이론적 해석을 확장한다는 점에서 의의가 크다.