네트워크 상 부분 정보 기반 분산 일반화 나쉬 균형 탐색 이중 증강 연산자 분할 접근법

1. **연구 배경 및 필요성** 일반화 나쉬 균형(GNE)은 공유 제약을 갖는 다중 에이전트 시스템에서 각 플레이어가 자신의 비용을 최소화하면서 전역 제약을 만족하도록 하는 해이다. 기존의 분산 GNE 탐색 방법은 대부분 모든 플레이어가 서로의 결정값을 완전히 관측하거나 중앙 조정자를 통해 정보를 교환한다는 전제에 의존한다. 그러나 스마트 그리드, 무선 스펙트럼 공유, ad‑hoc 네트워크 등 실제 응용에서는 중앙 노드가 없고, 각 에이전트가 이웃과만 국소적인 정보를 교환하는 부분‑결정 정보(partial‑decision information) 상황이 일반적이다. 이러한 상황에서 기존 알고리즘을 그대로 적용하면 정보 부족으로 인해 수렴이 보장되지 않는다. 2. **문제 정의** N개의 플레이어가 각각 x_i∈ℝ^{n_i} 를 선택하고, 비용 함수 J_i(x_i,x_{-i})와 개인 제약 Ω_i, 그리고 전역 선형 제약 A x ≤ b 를 가진다. 목표는 변분 GNE, 즉 모든 플레이어가 동일한 라그랑지 승수 λ를 공유하는 균형점을 찾는 것이다. 이를 위해 KKT 조건을 변분 VI 형태로 재작성하고, pseudo‑gradient F(x)=col(∇_{x_i}J_i)와 제약 연산자를 포함하는 연산자 T를 정의한다. 3. **연산자‑분할 및 이중 증강** 전체 변수 (x,λ)를 그대로 사용하면 부분‑결정 정보 하에서 분산 구현이 불가능하다. 따라서 각 플레이어 i는 (a) 자신의 결정 x_i와 이웃들의 추정값 x̂_i∈ℝ^{n} (프라이머리 추정), (b) 전역 라그랑지 승수 λ에 대한 로컬 복제 λ_i∈ℝ^{m} (듀얼 복제)를 보유한다. 이렇게 확장된 변수 공간을 “이중 증강(doubly‑augmented)”이라고 부른다. 라플라시안 L을 이용해 합의 연산자를 정의한다. 선택 행렬 𝔖₁,𝔖₂를 통해 프라이머리 추정과 듀얼 복제를 각각 L에 연결하고, 메트릭 행렬 Φ = diag(τ^{-1}I, σ^{-1}I) -