강건최적화 (Robust Optimization)
쉽게 풀면
여행 계획을 세울 때 날씨가 맑을 것이라고만 가정하고 짜는 대신, 비가 와도 큰 문제가 없도록 미리 우산과 실내 대안까지 준비하는 것과 비슷합니다. 강건최적화는 미래의 수요, 비용, 공급 등 정확히 알 수 없는 값들이 일정 범위 안에서 어떻게 바뀌더라도 문제가 생기지 않는 결정을 찾습니다. 평균적으로 가장 좋은 해가 아니라, 가장 나쁜 경우에도 버틸 수 있는 해를 우선시하는 접근입니다. 그래서 예측이 자주 빗나가는 현실적인 환경에서 특히 유용합니다.
왜 중요한가
산업공학에서 다루는 생산계획, 공급망, 스케줄링 문제는 수요나 비용 같은 값을 정확히 알 수 없는 경우가 많습니다. 이런 불확실성을 무시하고 세운 계획은 현실에서 실행 불가능해지거나 큰 손실로 이어질 수 있습니다. 강건최적화는 이런 위험을 체계적으로 관리하면서도 지나치게 보수적이지 않은 균형 잡힌 해를 제시할 수 있어 실무와 연구 모두에서 널리 활용됩니다.
논문에서는 이렇게 쓰입니다
수요가 특정 범위 안에서 변할 수 있다고 가정하고, 그 범위 전체에서 안정적으로 작동하는 생산계획을 세웠다는 의미입니다.
얼마나 최악의 상황까지 대비할지를 조절하는 장치를 모형에 넣어, 지나치게 손해 보는 계획이 되지 않도록 균형을 맞췄다는 뜻입니다.
조금 더 깊게 보면
강건최적화는 불확실한 파라미터가 특정한 집합(불확실성 집합) 안에 존재한다고 가정하고, 그 집합 내 모든 경우에 대해 제약을 만족시키는 해를 구합니다. 불확실성 집합의 형태로는 구간형(박스), 타원형, 다면체형 등이 흔히 쓰이며, 형태에 따라 얻어지는 최적화 문제의 계산 난이도가 달라집니다. 확률분포 정보를 활용하는 확률계획법과 달리, 강건최적화는 분포를 몰라도 값의 범위만 알면 적용할 수 있다는 특징이 있습니다.
주의할 점
불확실성 집합을 지나치게 넓게 잡으면 해가 너무 보수적이 되어 실제 평균적인 상황에서는 성능이 떨어질 수 있습니다. 따라서 실무에서는 보수성의 정도를 적절히 조절하는 것이 중요합니다.