대조변량법 (Antithetic Variates)
쉽게 풀면
키가 크게 나온 사람과 작게 나온 사람을 짝지어 평균을 내면, 극단적인 값들이 서로 상쇄되어 전체 평균이 더 안정적으로 보이는 것과 비슷한 원리입니다. 대조변량법에서는 시뮬레이션 실행에 쓰이는 난수 하나(예: 0.3)에 대해, 그와 반대되는 짝(1에서 뺀 값인 0.7)을 이용해 똑같은 시뮬레이션을 한 번 더 돌립니다. 첫 번째 실행에서 우연히 높게 나온 결과가 있다면 짝을 이룬 두 번째 실행에서는 반대로 낮게 나올 가능성이 높아지도록 설계된 것입니다. 이 두 결과를 평균 내면 개별 실행 하나만 보는 것보다 결과의 흔들림이 줄어듭니다.
왜 중요한가
산업공학의 시뮬레이션 연구에서는 제한된 계산 자원 안에서 신뢰할 만한 추정치를 얻어야 하는 경우가 많은데, 대조변량법은 추가적인 실행 횟수를 크게 늘리지 않고도 결과의 정밀도를 높일 수 있어 계산 효율을 중시하는 연구에서 자주 채택됩니다. 대기행렬 시뮬레이션처럼 반복 실행 비용이 큰 모델에서는 대조변량법으로 확보한 분산 감소분이 곧 계산 시간 절감으로 직결되어 실무적 가치가 큽니다.
논문에서는 이렇게 쓰입니다
난수의 보수를 이용해 분산을 줄이는 기본적인 적용 방식을 보여주는 예입니다.
기법 적용에 따른 계산 효율성 개선을 정리한 예입니다.
조금 더 깊게 보면
대조변량법이 효과를 내려면 시스템의 출력이 난수에 대해 단조적인(monotonic) 관계를 가져야 두 실행 결과 사이에 음의 상관관계가 생겨 분산 감소로 이어집니다. 단조성이 성립하지 않는 복잡한 시스템에서는 기대만큼 효과가 나타나지 않을 수 있습니다. 대조변량법은 공통난수법(common random numbers) 등 다른 분산감소기법과 함께 사용되기도 하며, 서로 다른 기법을 결합할 때는 각 기법이 상호작용으로 오히려 분산을 키우지 않는지 사전에 검토해야 합니다.
주의할 점
모든 시스템에서 분산 감소가 보장되는 것은 아니며, 오히려 특정 조건에서는 분산이 커질 수도 있어 적용 전 시스템의 특성을 고려해야 합니다.