일반화된 내시 균형 문제와 게임 이론 기반 모델 예측 제어에 대한 뉴턴 방법

초록

본 논문은 내시 균형(NE) 및 일반화된 내시 균형(GNE) 문제를 위한 뉴턴 계열 알고리즘의 입력‑대‑상태 안정성(ISS)을 증명한다. NE에 대해서는 조셉-뉴턴 방법의 지역 수렴을 변분 불평등(VI) 안정성 분석을 통해 기존의 강한 정규성 가정보다 완화된 조건으로 확보하고, 분산형 에이전트 구현을 제시한다. GNE에 대해서는 KKT 시스템을 반매끄러운 방정식으로 변환한 뒤 반매끄러운 뉴턴 방법을 적용하고, 준정규성(quasi‑regularity) 조건 하에서 ISS와 Q‑이차 수렴을 입증한다. 마지막으로, 이러한 ISS 특성을 활용해 제약이 있는 게임 이론 기반 모델 예측 제어(CG‑MPC)에서 시간‑분산 최적화(TDO) 전략을 적용, 실시간 트래킹 오차의 유계성을 보이고 수치 예제로 검증한다.

상세 분석

논문은 먼저 NE 문제를 일반화된 방정식 f(z)+F(z)∋0 형태로 기술하고, 여기서 f는 연속적으로 프레셰 미분 가능한 함수, F은 정상원뿔 매핑이다. 조셉‑뉴턴 방법은 f의 선형화와 F의 비선형성을 결합해 반복식 (4)를 만든다. 기존 문헌에서는 강한 정규성(strong regularity) 혹은 강한 부분정규성(strong subregularity)을 전제로 수렴을 보였지만, 저자는 변분 불평등(VI) 안정성 분석을 통해 ‘엄격 반양성(strictly semicopositive)’ 조건만으로도 충분함을 증명한다. 이는 게임 해시안 H가 임계 원뿔 C(a*;A,F) 위에서 양의 값을 갖는다는 의미이며, NE의 고유성(isolatedness)과 안정성(stability)을 보장한다. 특히, H가 비대칭이라도 이 조건을 만족하면 NE는 지역적으로 고유하고, 근처 게임들의 NE가 작은 교란에 대해 연속적으로 변한다는 점을 강조한다.

다음으로, 조셉‑뉴턴 방법에 교란 v_k를 도입한 (16)식의 동적 시스템을 고려한다. 저자는 교란이 유계이고 f와 H가 (a*,0)에서 Lipschitz 연속임을 가정하면, 업데이트 식 a_{k+1}=T(a_k,v_k) 가 지역 입력‑대‑상태 안정성(ISS)을 만족한다는 부등식 (18)을 도출한다. 이는 교란 크기에 비례해 수렴 오차가 제한됨을 의미한다. 또한, Q‑이차 수렴을 보장하는 Corollary 1을 통해 실제 구현 시 허용 가능한 근사 오차 범위를 정량화한다.

GNE 부분에서는 제약이 상호 의존적이므로 일반적인 VI 형태로 환원되지 않는다. 대신 KKT 조건을 정리하고, 보완 함수(complementarity function)를 이용해 비매끄러운 방정식 형태로 변환한다. 여기서 반매끄러운 뉴턴 방법을 적용하면, 준정규성(quasi‑regularity)이라는 새로운 비특이성 조건 하에서 ISS와 Q‑이차 수렴을 입증한다. 이는 기존에 GNE 문제에 대해 강한 정규성을 요구하던 접근과 달리, 보다 실용적인 가정으로 확장된 것이다.

마지막으로, 제약이 있는 게임 이론 기반 모델 예측 제어(CG‑MPC) 문제에 위의 알고리즘을 적용한다. MPC는 매 시간 단계마다 최적화 문제를 풀어야 하는데, 여기서 시간‑분산 최적화(TDO) 전략을 도입해 뉴턴 반복을 시간에 걸쳐 분산 실행한다. ISS 특성 덕분에 최적화 솔버와 물리 시스템이 병렬로 동작하면서도 전체 폐루프의 안정성, 강인성, 제약 만족성을 유지한다. 논문은 수치 시뮬레이션을 통해 추적 오차가 유계임을 확인하고, 기존 방법 대비 계산량 감소와 실시간 구현 가능성을 강조한다. 전반적으로, 강한 정규성 가정을 완화하고 ISS를 기반으로 동적 시스템과 최적화 연동을 이론적으로 뒷받침한 점이 가장 큰 기여라 할 수 있다.