확률계획법 (Stochastic Programming)
쉽게 풀면
내일 비가 올 확률이 60%라는 정보를 알고 있다면, 우산을 챙길지 말지를 그 확률에 근거해 합리적으로 결정할 수 있습니다. 확률계획법은 이렇게 미래의 불확실한 상황을 확률로 표현하고, 여러 가능한 시나리오를 놓고 평균적으로 가장 좋은 결정을 계산하는 방법입니다. 흔히 지금 당장 내려야 하는 결정과, 상황이 밝혀진 뒤에 조정할 수 있는 결정을 나누어 다룹니다. 이렇게 하면 불확실성 속에서도 장기적으로 손해를 최소화하는 계획을 세울 수 있습니다.
왜 중요한가
산업공학의 생산·재고·물류 문제는 수요나 가격처럼 예측이 어려운 값에 크게 영향을 받습니다. 과거 데이터로 확률분포를 추정할 수 있는 경우, 확률계획법은 이 정보를 명시적으로 활용해 평균적으로 더 나은 결정을 내릴 수 있게 해줍니다. 그래서 재고관리, 공급망 설계, 에너지 계획 등 다양한 실무 및 연구 분야에서 핵심적인 도구로 쓰입니다.
논문에서는 이렇게 쓰입니다
지금 시점에 정해야 하는 발주량과, 수요가 실현된 이후 조정 가능한 결정을 나누어 최적화했다는 뜻입니다.
가능한 미래 상황들을 무작위로 여러 개 만들어내고, 그 평균적인 비용이 최소가 되는 계획을 구했다는 의미입니다.
조금 더 깊게 보면
대표적인 형태로 2단계 확률계획법이 있으며, 1단계는 불확실성이 실현되기 전에 내리는 결정, 2단계는 실현 이후에 대응하는 결정으로 구성됩니다. 확률분포를 몇 개의 대표 시나리오로 근사하여 계산 가능한 문제로 바꾸는 시나리오 기반 접근이 흔히 쓰입니다. 강건최적화와 달리 확률분포에 대한 정보를 명시적으로 활용한다는 점이 차이입니다.
주의할 점
확률분포를 잘못 추정하면 결과의 신뢰성이 떨어질 수 있으며, 시나리오 수가 많아질수록 계산 부담이 커진다는 한계가 있습니다.