협동형 장기 공간 제약 만족을 위한 분산 최적화 설계

초록

본 논문은 다중 로봇 시스템에서 각 로봇이 다른 로봇의 위치에 의존하는 부등식 형태의 장기 공간 제약을 공동으로 만족하도록 하는 문제를 다룬다. 중앙집중식 무제약 최적화 문제로 모델링한 뒤, 로그‑합‑지수(LSE) 근사를 이용한 연속형 분산 합의 알고리즘을 설계하여 단일 적분기 에이전트의 제어법칙을 도출한다. 시뮬레이션을 통해 제약이 충족 가능한 경우 최적 형성으로 수렴하고, 불가능한 경우 최소 위반 해에 수렴함을 확인한다.

상세 분석

이 연구는 기존 다중 에이전트 협동 문제를 한 단계 확장한다. 각 에이전트 i는 ψ_i,k(x_i,x_{I_i})>0 형태의 m_i개의 부등식 제약을 갖으며, 이 제약들은 다른 에이전트의 위치와도 연관될 수 있다. 중요한 점은 이러한 제약이 ‘장기’라는 점이다; 즉, 일정한 유한 시간 이후 혹은 t→∞ 에 만족하면 된다. 저자들은 먼저 모든 제약을 하나의 전역 제약 β̄(x)=min_i ᾱ_i(x_i,x_{I_i})>0 로 통합하고, β̄(x)의 최대값을 찾는 무제약 최적화 문제(9)를 정의한다. β̄*가 양수이면 전체 제약이 동시에 만족 가능한 것이고, 음수이면 최소 위반 해를 의미한다.

중앙집중식 해법은 전역 정보를 필요로 하므로 실용적이지 않다. 이를 해결하기 위해 로그‑합‑지수(LSE) 근사를 도입한다. 각 에이전트 i에 대해 α_i(x_i,x_{I_i})=−(1/ν_α) ln∑_{k=1}^{m_i} exp(−ν_α ψ_i,k) 로 정의하면, ν_α가 커질수록 α_i는 ᾱ_i에 수렴한다. 이렇게 부드러운 근사를 사용하면 전체 목표 함수 β(x)=min_i α_i를 부드러운 형태의 합으로 변환할 수 있다.

분산 최적화 단계에서는 연속시간 합의 프로세스를 적용한다. 각 에이전트는 자신의 로컬 변수와 이웃(통신 그래프)으로부터 받은 변수들을 평균화하면서, 동시에 자신의 α_i에 대한 그래디언트를 이용해 위치를 업데이트한다. 이 과정은 기존의 분산 연속시간 합의 알고리즘과 유사하지만, 목표 함수가 로그‑합‑지수 형태이므로 미분 가능하고, 수렴성을 보장하기 위해 강한 연결성(Assumption 1)과 라그랑지안 이중성 조건을 활용한다.

수학적으로는 β(x)의 레벨 집합이 컴팩트함을 보장하는 Assumption 3을 도입해 전역 최적화 문제의 존재성을 확보한다. 또한, 로그‑컨벡스성 분석을 통해 β(x)가 엄격히 로그‑컨벡스이면 전역 최적점이 유일하고, 분산 알고리즘이 전역 최적점으로 수렴함을 증명한다.

시뮬레이션에서는 7대 에이전트가 서로 다른 의존 관계와 통신 구조를 갖는 사례를 제시한다. 제약이 모두 만족 가능한 경우, 에이전트들은 제시된 최적 형성으로 수렴하고, 제약이 충돌하는 경우에는 β*가 음수가 되며, 알고리즘은 최소 위반 해에 수렴한다. 결과는 제안된 분산 제어법이 실제 로봇 네트워크에서 제한된 통신만으로도 복잡한 상호 의존 제약을 효과적으로 해결할 수 있음을 보여준다.