대규모 2차 정수계획을 위한 효율적 1‑옵트 및 탭루 탐색 기법

초록

본 논문은 일반적인 2차 정수계획(QIP)의 비볼록 경우를 대상으로, 단일 변수 변동에 대한 폐쇄형 식을 도출하고 1‑옵트 지역 최적조건을 필요충분조건으로 제시한다. 이를 기반으로 단순 로컬 서치와 진보된 탭루 서치(진동 전략 포함)를 설계하여 5천~8천 차원의 대규모 인스턴스에서 Gurobi 11.0.2 대비 높은 품질의 해와 짧은 실행시간을 입증한다.

상세 분석

논문은 먼저 QIP를 무제한형(UQIP)과 다중제약형(CQIP)으로 구분하고, 두 모델 모두 변수와 파라미터에 대한 어떠한 제한도 두지 않는다. 핵심 이론적 기여는 “단일 변수 변화에 대한 폐쇄형 공식”이다. 이는 현재 해 x에서 i번째 변수 xi를 임의의 정수값 Δ로 바꿀 때 목적함수 f(x)의 변화량 Δf를 2차식 형태로 정확히 표현한다. 이 식을 이용해 각 변수에 대해 가능한 Δ의 범위를 탐색하면, Δf가 음수가 되는 경우에만 개선이 가능함을 보인다. 저자는 이를 정리하여 1‑옵트(local 1‑opt) 탐색의 필요충분조건을 정리한 정리 1을 제시한다. 조건은 크게 세 부분으로 구성된다: (1) 변수 i에 대한 2차 계수(Qii)의 부호에 따라 볼록·오목 구간이 결정되고, (2) 일차 계수와 주변 변수값을 이용한 임계값 M(i)와 y(i) 계산, (3) 계산된 임계값을 기준으로 가장 가까운 정수값 ⌊M(i)⌉이 현재 값과 동일하면 더 이상 개선 불가, 다르면 해당 정수값으로 이동하면 Δf<0가 보장된다. 이러한 조건은 CQIP에도 동일하게 적용되며, 제약식 Ax≤b는 변수 변동 후에도 만족하도록 간단히 검증한다.

알고리즘 설계는 두 단계로 나뉜다. 첫 번째는 “단순 1‑옵트 로컬 서치”로, 모든 변수에 대해 위 조건을 순차적으로 검사하고 개선이 가능하면 즉시 변수값을 업데이트한다. 이 과정은 O(n) 복잡도를 유지하면서도 전역 탐색에 비해 훨씬 빠른 수렴을 보인다. 두 번째는 “탭루 서치 with 진동 전략”이다. 여기서는 이미 방문한 해를 일정 기간(탭루 리스트) 동안 금지하고, 개선이 정체될 경우 변수 선택을 의도적으로 “진동”시켜(예: 현재 최적값보다 약간 높은 목표값을 설정) 지역 최적에 머무르는 현상을 완화한다. 진동 파라미터는 자동 조정 메커니즘을 통해 탐색 초기에 크게 잡고, 탐색이 진행될수록 점진적으로 감소시켜 탐색 강도를 조절한다. 또한, 탭루 리스트는 고정 길이 대신 동적 길이(최근 개선 정도에 비례)로 관리해 메모리 사용을 최소화한다.

실험 설계는 455개의 인스턴스를 5가지 규모(500, 1000, 2000, 4000, 8000 변수)와 3가지 구조(밀집, 희소, 혼합)로 구성한다. 성능 지표는 최적해와의 상대 오차(RPD), 최우수 해 발견 비율(BFS), 최우수 해 도달 시간(TTB)이다. 결과는 모든 규모에서 제안된 탭루 서치가 Gurobi 11.0.2 대비 평균 RPD 1.8% 개선, BFS 92% 달성, TTB는 평균 0.35배(즉, 65% 시간 절감)를 기록한다. 특히 8000 변수 희소 인스턴스에서는 Gurobi가 시간 제한(2시간) 내에 최적해를 찾지 못했으나, 제안 알고리즘은 7분 내에 99.3% 최적에 근접한 해를 제공하였다.

한계점으로는 (1) 현재 구현이 정수 변수 범위가 비교적 작은 경우에 최적화된 파라미터를 사용했으며, 매우 큰 상한값을 갖는 경우 추가적인 스케일링이 필요할 수 있다. (2) 진동 전략의 파라미터 자동조정 로직이 아직 경험적 규칙에 기반하므로, 특정 도메인(예: 포트폴리오 최적화)에서는 재조정이 요구된다. 향후 연구에서는 (i) 다목적 QIP에 대한 확장, (ii) 병렬/GPU 기반 구현, (iii) 이론적 수렴 보장을 위한 탭루 리스트 길이 최적화 등을 제시한다.

전반적으로 논문은 비볼록 QIP에 대한 지역 탐색 이론을 정형화하고, 이를 실용적인 메타휴리스틱에 적용함으로써 대규모 정수 2차 최적화 문제 해결에 새로운 길을 제시한다.