확률적 제약과 지역적 수렴을 고려한 시뮬레이션 최적화 해법

Abstract

시도해 집합의 성능치가 확률기반 시뮬레이션을 통해 추정되는 경우, 이 중 확률적 제약 조건을 만족시키는 가능해를 판별하거나 최적의 성능치를 가지는 해를 선별하기 위하여 Ranking and Selection(R&S) 절차를 활용한 연구가 진 행되었다. 그러나 R&S 절차는 가능해를 판별하거나 최적해를 선별하고자하는 시도해 집합의 개수가 비교적 적은 경우에만 통계적 보장성이 유효하다는 한 계가 있다. 따라서 본 연구에서는 1)해를 탐색하는 절차, 2)확률적 제약조건의 만족여부를 판별하는 절차, 3)제약 조건을 만족시키는 해 중 최적해를 선별하 는 절차, 4)지역적으로 해를 탐색하고 선별하는 절차를 통합한 알고리즘을 제 안한다. 제안 알고리즘은 해의 영역이 유한하지만 비교적 큰 경우에도 제약 조건을 고려하여 실행 가능한 최적 해를 선별이 가능하다. 또한, 지역 최적해 도출을 위한 종료조건을 제안 알고리즘에 도입 가능하다. 매 반복시행 마다 최적해로 선별 된 해가 실제로 실행 가능해일 확률이 일정 신뢰 수준 이상이 다. 따라서 시뮬레이션 예산의 크기에 상관없이 실행 가능해를 도출 한다. 최적화 알고리즘은 현재 시도에서 최적해의 위치에 근거하여 점진적으로 해 를 찾아나가므로 한 번 평가 된 해의 성능치를 재평가하는 경우가 발생할 수 있다. 따라서 이전 시도에서 방문한 해의 성능치를 재평가하는 경우, 기존에 수집한 시뮬레이션 정보를 이용하여 가능해 여부를 판별하고 후보해 집합 중 최적해 선별한다. 따라서 시뮬레이션 예산의 추가적인 사용을 줄이면서도 사 용자가 설정한 신뢰 수준 이상으로 실행 가능한 해를 도출할 수 있다.