대조변량법 (Antithetic Variates)
한 줄 정의: 하나의 시뮬레이션 실행에 사용한 난수와 서로 음의 상관관계를 갖도록 설계한 짝(예: 1에서 뺀 값)을 이용해 다시 실행함으로써, 두 결과의 평균을 낼 때 분산을 줄이는 분산감소기법입니다.
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.
논문에서는 이렇게 쓰입니다
"대조변량법을 적용하여 각 반복에서 원래 난수와 그 보수(1-U) 난수를 함께 사용함으로써 평균 대기시간 추정치의 분산을 감소시켰다."
난수의 보수를 이용해 분산을 줄이는 기본적인 적용 방식을 보여주는 예입니다.
"대조변량법을 사용하지 않은 경우와 비교했을 때, 동일한 신뢰구간을 얻기 위해 필요한 반복 실행 횟수가 상당히 줄어드는 결과를 확인하였다."
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.
주의할 점
모든 시스템에서 분산 감소가 보장되는 것은 아니며, 오히려 특정 조건에서는 분산이 커질 수도 있어 적용 전 시스템의 특성을 고려해야 합니다.