제한 자원 최적 분배 게임 반복 알고리즘

초록

본 논문은 선형계획문제를 적대적 행렬게임 형태로 변환한 뒤, 반복적 게임 이터레이션 기법을 이용해 최적 해를 구하는 알고리즘을 제시한다. 구현된 프로그램은 높은 수렴 속도와 1% 이하의 오차를 보이며, 제한된 자원의 효율적 배분이 요구되는 통합 제어 시스템에 적용 가능함을 실증한다.

상세 분석

이 논문은 전통적인 선형계획(LP) 문제를 제로섬 행렬게임으로 재구성함으로써 게임 이론적 접근을 가능하게 만든다. 구체적으로, 원래의 목적함수와 제약조건을 게임의 행렬 A와 비용벡터로 변환하고, 플레이어 1은 자원 배분 전략을, 플레이어 2는 비용 최소화를 목표로 하는 대립 구도를 만든다. 이러한 변환은 듀얼 문제와 동일한 최적값을 보장하므로, 게임 해법을 통해 원 LP의 최적해를 얻을 수 있다.

알고리즘의 핵심은 “게임 반복 방법”(Game Iteration Method)이다. 저자는 기존의 가상 플레이(Fictitious Play)와 유사한 절차를 채택했지만, 수렴 가속을 위해 전략 업데이트 시 고정된 학습률과 잔차 기반 정밀도 조절을 도입한다. 초기 전략은 균등분포로 설정하고, 각 반복에서 상대 플레이어의 현재 혼합 전략에 대한 최적 반응을 계산한다. 이때, 최적 반응은 단순히 행/열의 최소·최대값을 찾는 것이 아니라, 선형 시스템을 풀어 얻는 정확한 베스트 리스폰스이다.

수렴 분석에서는 두 플레이어의 혼합 전략이 서로의 베스트 리스폰스를 만족할 때 나쉬 균형(Nash equilibrium)에 도달한다고 가정한다. 저자는 이 균형이 원 LP의 최적해와 일치함을 정리와 증명을 통해 제시한다. 또한, 반복 횟수 N에 대한 오차 상한을 ε ≤ C·ρ^N 형태로 제시해, ρ<1인 경우 지수적 수렴을 보임을 보인다. 실험에서는 ρ≈0.2 수준을 관측했으며, 이는 10~15회 반복만에 0.01 이하의 상대 오차를 달성한다는 의미다.

프로그램 구현은 C++ 기반이며, 행렬 연산에 BLAS 라이브러리를 활용해 연산 효율을 극대화한다. 입력은 표준 LP 형태(MPS 파일)이며, 내부적으로는 행렬 A와 비용 벡터 c를 추출해 게임 행렬로 변환한다. 출력은 최적 변수값과 목표 함수값, 그리고 수렴 과정 로그를 제공한다. 특히, 정밀도 파라미터를 “분수” 혹은 “정수” 수준으로 지정하면, 결과값이 정확히 유리수 형태로 반환되어 후속 제어 시스템에 바로 적용할 수 있다.

마지막으로, 저자는 이 알고리즘을 제한된 자원(전력, 통신 대역폭, 생산 설비 등)의 최적 배분이 필요한 통합 제어 시스템에 적용한 사례를 제시한다. 시뮬레이션 결과, 기존 단순 단일 단계 LP 솔버에 비해 계산 시간은 30%~40% 단축되었으며, 실시간 제어 루프에 삽입해도 안정적인 성능을 유지했다. 이러한 장점은 특히 대규모 네트워크 혹은 임베디드 환경에서 실시간 최적화가 요구되는 상황에 큰 의미를 가진다.