시뮬레이션 기반 제로오더 최적화를 위한 차원 피킹 기법

초록

본 논문은 이산 시뮬레이션에서 제로오더 최적화를 수행할 때 발생하는 높은 분산을 줄이기 위해 ‘차원 피킹(Dimensional Peeking)’이라는 새로운 변동 감소 방법을 제안한다. 제어 흐름이 동일한 입력값들을 하나의 클래스(등가 클래스)로 묶어 한 번의 시뮬레이션 실행으로 다수의 대체 입력에 대한 정보를 동시에 얻음으로써, 기존의 스칼라 기반 교란 샘플링 대비 최대 7.9배까지 분산을 감소시킨다. 구현은 C++의 연산자 오버로드와 벡터화를 활용한 사용자 친화적인 수치형 데이터 타입을 통해 이루어졌으며, 세 가지 실험적 SBO 문제와 세 가지 메타휴리스틱과의 비교에서 최적화 성능이 크게 향상됨을 보였다.

상세 분석

본 연구는 고차원 이산 입력을 갖는 시뮬레이션 최적화 문제에서, 기존의 무작위 교란 기반 제로오더 그라디언트 추정기가 갖는 본질적인 분산 문제를 근본적으로 재구성한다. 핵심 아이디어는 ‘제어 흐름 등가성(control‑flow equivalence)’을 기준으로 교란값들을 등가 클래스에 묶는 것이다. 동일한 분기 경로를 따라가는 모든 교란값은 시뮬레이션 실행 결과가 동일한 제어 흐름을 겪으므로, 이들에 대해 개별적으로 시뮬레이션을 수행할 필요가 없으며, 하나의 실행으로 클래스 전체에 대한 함수값 차이를 동시에 계산할 수 있다.

수학적으로는 Polyak의 Gradient‑Free Oracle(PGO)를 출발점으로 삼아, 교란 차원 i에 대해 확률 질량이 동일한 등가 클래스