전역 수렴 B정지점 계산을 위한 새로운 MPEC 최적화 방법

초록

본 논문은 수학적 프로그램에 포함된 평형 제약(MPEC)의 B‑정지점을 전역적으로 찾는 효율적인 알고리즘을 제안한다. 제한된 수의 선형 평형 제약 프로그램(LPEC)과 분기 비선형 프로그램(BNLP)을 순차적으로 해결하며, 첫 번째 단계에서 실현 가능한 BNLP을 확보하고 두 번째 단계에서 B‑정지점이 확인될 때까지 활성 집합을 갱신한다. MPEC‑MFCQ 가정 하에 유한 단계 내 수렴을 증명하고, 실험을 통해 기존 완화 기반 및 혼합정수 방법보다 견고하고 빠른 성능을 입증한다.

상세 분석

이 논문은 MPEC의 핵심 난제인 보완 제약의 비선형성·비볼록성을 극복하기 위해 B‑정지점이라는 강력한 1차 최적성 조건을 목표로 한다. B‑정지점은 모든 가능한 첫 번째 순서 하강 방향이 존재하지 않음을 의미하며, 이를 검증하려면 현재 점에서 선형화된 평형 제약을 유지한 LPEC를 풀어야 한다. 저자들은 LPEC를 완전 최적화할 필요 없이, 단순히 비제로 실현 가능한 해만 찾으면 충분하다는 점을 이용해 계산 부담을 크게 낮춘다.

알고리즘은 두 단계로 구성된다. Phase I에서는 기존의 완화·패널티 기법을 이용해 MPEC의 근사 해를 얻고, 그 해에 대해 LPEC를 풀어 활성 집합(보완 제약 중 어느 변수가 0인지를 결정)을 추정한다. 이 과정에서 얻어진 활성 집합을 고정하면 보완 제약이 선형 등식·부등식으로 변환된 BNLP가 생성되며, 이는 일반적인 NLP 솔버로 해결 가능하다. Phase II에서는 이렇게 얻어진 BNLP의 해를 시작점으로 다시 LPEC를 적용해 B‑정지점 여부를 검사한다. B‑정지점이 아니면 LPEC가 제공하는 새로운 하강 방향과 활성 집합을 이용해 또 다른 BNLP를 구성하고, 목표 함수값이 엄격히 감소하도록 반복한다.

수렴 분석에서는 MPEC‑MFCQ(문제의 약한 제약 자격 조건)가 성립할 경우, 활성 집합이 유한 번만 바뀌고 결국 B‑정지점에 도달함을 보인다. 특히, LPEC를 완전 최적화하지 않아도 되는 이유는, 비제로 실현 가능한 해가 존재하면 해당 방향이 목표 함수를 감소시키는 충분조건이 되기 때문이다. 따라서 전체 알고리즘은 “유한 개의 LPEC·BNLP 해결”만으로 전역 수렴을 보장한다.

계산 측면에서 저자들은 LPEC를 MILP 형태로 변환해 기존 상용 MILP 솔버를 활용하거나, 보완·경계 제약만을 포함한 특수 LPEC는 선형 시간 복잡도로 해결할 수 있음을 제시한다. 실험에서는 MacMPEC 벤치마크와 대규모 합성 MPEC 문제에 대해, 기존의 완화 기반 방법과 혼합정수 비선형 프로그램(MINLP) 재구성 방법보다 성공률이 높고 평균 실행 시간이 현저히 짧았다. 특히, 대부분의 경우 단일 LP(또는 작은 MILP) 해결만으로 충분했으며, 이는 실제 적용 가능성을 크게 높인다.

이 논문의 주요 기여는 (1) B‑정지점을 직접 검증·획득하는 전역 수렴 알고리즘을 제시, (2) LPEC를 완전 최적화하지 않아도 되는 이론적 근거를 제공, (3) 활성 집합 추정을 위한 LPEC와 BNLP의 효율적 결합 방식을 설계, (4) 오픈소스 구현을 공개해 재현성을 확보한 점이다. 이러한 접근은 MPEC 분야에서 기존의 완화·패널티 기법이 갖는 수렴·정밀도 한계를 극복하고, 실무 적용에 필요한 신뢰성 있는 정지점 인증을 가능하게 한다.