NashOpt 파이썬 라이브러리로 일반화 내시 균형 계산

논문은 공유 제약을 갖는 비협조 게임에서 각 에이전트가 자신의 목적 함수를 최소화하면서 동시에 전체 제약을 만족하는 일반화 내시 균형(GNE)을 찾는 문제를 다룬다. 기존 연구에서는 연산 복잡도와 구현 난이도로 인해 실제 적용이 제한적이었으며, 특히 비선형 비용·제약을 포함한 일반적인 GNE를 해결할 수 있는 통합 툴이 부족했다. 이를 해소하고자 저자들은 NashOpt이라는 파이썬 라이브러리를 개발했으며, 주요 설계 원칙은 다음과 같다. 1. **연합 KKT 기반 모델링**: 모든 플레이어의 KKT 조건을 하나의 방정식 시스템 R(z,p)=0 으로 결합한다. 여기서 z는 원시 변수와 라그랑주 승수를 포함한 전체 변수 벡터이며, p는 설계 파라미터이다. 2. **비선형 최소제곱 해법**: 비선형 GNE의 경우 피셔‑버미스터 함수를 이용해 보완 슬랙 조건을 매끄럽게 변환하고, 잔차 제곱합 ‖R(z,p)‖² 를 최소화한다. JAX를 활용해 자동 미분과 JIT 컴파일을 수행함으로써 고차원·희소 문제에서도 효율적인 LM 알고리즘을 적용한다. 3. **선형‑이차(LQ) 게임의 MILP 변환**: 비용이 2차, 제약이 선형인 경우 라그랑주 승수를 이진 변수와 연결하는 빅‑M 기법을 사용해 혼합정수선형계획(MILP)으로 재구성한다. 이를 통해 활성 제약 조합을 바꾸며 다중 균형을 열거할 수 있다. 변분형 GNE(vGNE)는 모든 플레이어가 동일한 공유 라그랑주 승수를 갖도록 제한해 변수 수를 줄인다. 4. **게임 설계와 역게임**: 리더가 파라미터 p를 최적화하는 Single‑Leader‑Multi‑Follower(Stackelberg) 구조를 MPEC 형태로 모델링한다. 직접적인 MPEC 해결 대신 페널티 항 ρ‖R(z,p)‖² 를 추가한 비선형 프로그램을 풀어 점진적으로 ρ를 증가시켜 KKT 제약을 강제한다. 역게임에서는 목표 균형 x_des와의 거리 ‖x‑x_des‖² 를 목표 함수로 두어 파라미터를 추정한다. 5. **정규화와 비스무스 처리**: ℓ1·ℓ2 정규화를 결합해 해의 희소성이나 에너지 최소화를 유도한다. ℓ1 비스무스는 변수 분할(x=x⁺−x⁻) 후 선형화하여 최적화한다. 6. **소프트웨어 구현**: pip install nashopt 으로 설치 가능하며, JAX, HiGHS·Gurobi, NumPy 등과 연동된다. API는 게임 정의, 파라미터 설정, GNE 계산, 게임 설계 등 단계별 함수 호출 형태로 제공된다. 풍부한 예제와 문서가 GitHub에 공개돼 재현성을 높인다. 7. **실험 및 사례**: 논문은 LQR 및 MPC 형태의 제어 문제, 전력망에서의 용량 공유, 교통 흐름 제어 등 다양한 도메인에 적용한다. 비선형 예제에서는 LM 알고리즘이 10⁻⁶ 수준의 잔차를 달성했으며, LQ 예제에서는 MILP 기반 열거가 수십 개의 균형을 1초 이내에 찾았다. 역게임 실험에서는 관측된 균형으로부터 파라미터를 정확히 복원하는 것을 확인했다. 전체적으로 NashOpt은 비선형·선형‑이차 GNE를 통합적으로 다루는 최초의 파이썬 툴킷으로, 자동 미분, MILP 변환, 게임 설계 기능을 한데 모아 연구자와 실무자가 복잡한 다에이전트 시스템을 모델링·분석·설계하는 데 필요한 전 과정을 지원한다.