이산 최적화 입문: 초보자를 위한 실전 가이드

초록

본 논문은 이산 최적화의 기본 개념을 직관적인 과일 구매 예제와 여행 판매원 문제(TSP)를 통해 설명하고, 파이썬·구루비(Gurobi) 활용법을 제시한다. 연속형과 정수형 모델의 차이, LP 완화, MILP 개념을 단계별로 소개하며, 실습용 연습문제와 코드 저장소를 제공한다.

상세 분석

이 논문은 이산 최적화가 왜 어려운지, 그리고 어떻게 접근할 수 있는지를 교육용으로 설계하였다. 먼저 연속형 변수와 정수형 변수의 차이를 과일 구매 예제로 직관적으로 보여준다. 사과와 오렌지의 가격·칼륨 함량을 이용해 목표 함수와 제약식을 구성하고, 변수 도메인을 (a,o\in\mathbb{R}+) 와 (a,o\in\mathbb{Z}+) 로 바꾸는 것만으로 최적값이 크게 변함을 실증한다. 이는 연속형 LP 모델이 정수형 ILP 모델보다 해 공간이 넓어 “더 좋은” 목표값을 제공하지만, 실제 의사결정에서는 정수 제약이 필수임을 강조한다.

다음으로 다변량 모델을 소개하면서 변수 (x_i) (사과, 오렌지, 바나나, 배)와 3가지 영양소 제약을 포함한 전형적인 정수선형계획(ILP) 형태를 제시한다. 여기서 목표 함수는 비용 최소화이며, 제약식은 칼륨, 칼슘, 섬유소 최소 요구량을 만족하도록 구성된다. 논문은 ILP를 일반 형태 ( \min{c^Tx \mid Ax\ge b,, l\le x\le u,, x\in\mathbb{Z}^n}) 로 정리하고, 계수 행렬 (A), 비용 벡터 (c) 등을 명시한다.

LP 완화에 대한 설명도 상세히 다룬다. 정수 제약을 연속형으로 바꾸면 모든 ILP 해가 LP 해의 부분집합이 되며, 경우에 따라 LP 최적해가 그대로 정수 해가 될 수도 있음을 예시로 보여준다. 또한, 일부 변수만 연속형으로 두는 혼합정수선형계획(MILP) 개념을 도입하고, “첫 (p) 개의 변수만 정수”라는 가정 하에 도메인을 (x\in\mathbb{Z}^p\times\mathbb{R}^{n-p}) 로 표현한다.

교육적 측면에서 저자는 연속형·정수형 모델을 번갈아 풀어보게 함으로써 학생이 모델링 과정과 해석 과정을 동시에 학습하도록 설계했다. 각 절마다 연습문제(Exercise 1‑4)를 삽입해, 변수 도메인 변경, 가격 조정, 다중 최적해 존재 여부 등을 스스로 탐구하도록 유도한다.

마지막으로, 파이썬 코드와 무료 학술용 구루비 라이선스를 활용한 실습 환경을 제공한다. GitHub 저장소(https://github.com/thserra/discreet)에 전체 코드와 데이터가 공개돼, 독자가 직접 모델을 구현하고 실험을 재현할 수 있다. 전체 흐름은 “문제 정의 → 모델링 → LP 완화 → 정수 최적화 → 결과 해석”이라는 전형적인 OR 워크플로우를 따르며, 초보자도 따라 할 수 있도록 단계별 설명과 시각적 예시를 곁들인다.