실용적 비극단 개별 최소점으로 파레토 프론트 효율 향상

본 논문은 다목적 최적화(MOOP)에서 파레토 프론트(PF)의 실용적이지 않은 구간을 사전에 배제하고, 효율적인 샘플링 및 의사결정을 지원하는 새로운 개념인 ‘비극단 개별 최소점(non‑extreme individual minima, 비극단 IM)’을 제안한다. 1. **배경 및 문제 정의** 다목적 최적화에서는 여러 목표를 동시에 최소화한다. PF는 모든 비지배 해들의 집합으로, 의사결정자는 이 중에서 선호하는 해를 선택한다. 그러나 PF의 일부 구간은 급격히 가파르거나 평탄해, 한 목표의 미세한 개선이 다른 목표의 큰 손실을 초래한다(극단적인 한계대체율, MRS). 이러한 구간은 실제 의사결정에 거의 사용되지 않으며, 특히 차원이 3 이상이면 인간이 시각적으로 구분하기 어렵다. 기존 접근법은 PF를 균일하게 샘플링한 뒤 사후에 인간이 제외하는 방식이었지만, 계산 비용과 인간 인지 한계 때문에 비현실적이다. 2. **L‑practical proper efficiency와 비극단 IM 정의** ‘Proper efficiency’(Geoffrion)에서는 효율적 해가 MRS의 상한 M을 갖는다. M이 무한대이면 극단적인 교환이 가능해 실용성이 떨어진다. 저자들은 M에 유한한 상한 L을 부여한 ‘L‑practical proper efficiency’를 정의한다. 이 조건을 만족하는 해는 M ≤ L을 보장한다. 비극단 IM은 각 목표 i에 대해, L‑practically proper efficient 해 중에서 목표 i 값을 더 낮출 수 없는 해로 정의한다. 즉, 기존 개별 최소점(IM)보다 더 실용적인 위치에 있다. 3. **계산 방법** 비극단 IM을 구하기 위해 Pascoletti‑Serafini(PS) 스칼라라이제이션을 활용한다. 기본 IM은 가중치 w = e_i(단위벡터)로 얻어지지만, 여기서는 각 축을 회전시켜 새로운 스팬 벡터 S_i(α)를 만든다. 회전 각도 α>0를 선택하면 가중치 w(i) > 0가 되고, 이에 따라 L이 유한해진다. 회전된 스팬 벡터는 Givens 회전 행렬을 이용해 구성되며, α=0이면 원래의 스팬 벡터와 동일하다. α를 증가시키면 L은 감소한다는 실험적 결과가 제시된다. 알고리즘은 다음과 같다: (1) α를 고정하고, (2) 각 목표 i에 대해 PS 문제를 설정(목표값 J_SO, 방향 d = −e_i, 스팬 벡터 S_i(α)), (3) 가중합(WS) 형태로 변환해 w(i)를 구하고, (4) 각 i에 대해 두 번(최소화와 최대화) 스칼라라이제이션을 풀어 총 2 n_J개의 최적화 문제를 해결한다. 이렇게 하면 모든 비극단 IM을 얻을 수 있다. 4. **목표 범위 정규화** 목표값의 스케일 차이가 큰 경우, 비극단 IM만으로는 실용적 영역을 충분히 제한하지 못한다. 이를 해결하기 위해 이미지 공간을 utopia‑nadir 하이퍼박스(