다목적 최적화와 다중 해 탐색

실제 공학에서는 ‘유일한 최적해’가 거의 존재하지 않습니다. 초임계 익형 설계를 예로 들면:양항비, 구조 강도, 실속 여유, 제조/시뮬레이션 비용은 서로 얽혀 있어 양항비를 높이면 구조 하중과 제조 비용이 함께 증가하는 경우가 많습니다. 이런 문제의 올바른 설명은 다음과 같습니다:다목적 최적화는 특정 한 점이 아니라 서로 얽힌 여러 목표 사이에서 하나의 파레토 프런트를 규명하고 근접시키는 것이며, 방향이 다르고 각기 상충 관계를 지닌 후보 해 집합을 유지하여 최종 가치 판단은 이후의 선호나 도메인 전문가에게 맡기는 것입니다.

1. 먼저 확인하세요: 이것이 정말 다목적 문제인가

다중 해 탐색의 전제는 ‘목표 간에 실제로 충돌이 존재한다’는 것입니다. 모든 목표를 손실 없이 동시에 개선할 수 있다면 문제는 단일 목표로 퇴화하며, 다중 해 탐색은 불필요할 뿐만 아니라 연산만 낭비합니다. 판단 기준은 ‘목표 개수가 1보다 큰가’가 아니라:한 목표를 개선하면 반드시 다른 목표의 악화를 대가로 치르는가입니다. 방향이 반대여서 서로 밀어내는 관계여야 진정한 다목적이라 할 수 있습니다.

2. 파레토 지배와 파레토 프런트

핵심 판정 기준은 파레토 지배: 해 A가 해 B를 지배한다는 것은 A가 모든 목표에서 B보다 열등하지 않고(모든 목표 i에 대해 fᵢ(A) ≤ fᵢ(B)), 적어도 하나의 목표에서 엄격히 더 우수한 경우(어떤 j에 대해 fⱼ(A) < fⱼ(B))에만 성립합니다. 지배되는 모든 해에는 ‘적어도 같거나 어딘가 더 나은’ 대체자가 존재하므로 유지할 가치가 없습니다. 어떤 해에도 지배되지 않는 모든 해가 이루는 것이 바로 파레토 프런트입니다. 프런트 위의 해들은 서로 지배하지 않으며, 어느 것이 더 적합한지는 수학이 아니라 선호에 따라 결정됩니다.

3. 단일 목표화의 대가

가중 합산, ε-제약 등 스칼라화 방법은 벡터 목표를 하나의 스칼라로 압축합니다. 공학적으로는 편리하지만 그 대가는 매우 구체적입니다:
· 상충 구조를 가림— 가중치가 고정되는 순간 프런트의 형태와 대안 방향이 보이지 않게 되어, 의사결정자는 하나의 점수만 보게 됩니다.
· 가중치를 사전에 지정해야 함— 그러나 실제 선호는 사전에 형식화할 수 없는 경우가 많고, 대개 심사 단계에 이르러서야 점차 명확해집니다.
· 포괄 범위 제한— 가중 합산은 보통 프런트 위의 개별 접점만 얻을 수 있어, 비볼록 프런트의 일부 구간에는 도달하기 어렵습니다.
이후 심사에서 가중치가 바뀌면 전체 탐색을 다시 실행해야 하며, 이는 ‘한 번의 탐색으로 여러 번의 결정 자유를 얻는다’는 것과 정반대입니다.

4. 평가는 이차원적: 수렴성과 다양성

다목적 해 집합의 품질은 다음 두 가지를 동시에 봐야 합니다:수렴성(해 집합이 실제 프런트에 근접하는지)와다양성(해가 프런트의 서로 다른 구간을 포괄하는지)입니다. 둘은 흔히 서로 당깁니다. 선택 압력이 ‘더 좋음’ 쪽으로 지나치게 치우치면 개체군이 프런트의 특정 점이나 일부 구간으로 붕괴되어, 수렴은 빨라 보이지만 상충 정보를 잃게 됩니다. 따라서 개체군 다양성을 명시적으로 유지하고, 혼잡도, 분해, 지표 기반(예: 초부피) 등의 선택 압력을 함께 활용해야 합니다.

5. 공학적 함의: 의사결정의 위치가 이동한다

다목적의 공학적 함의는 역할 분담의 변화입니다. 최적화기는 오직비교 가능한 후보 집합을 산출할 뿐이며, 최종 선정은 선호나 도메인 전문가가 수행합니다. 최적화기가 의사결정자를 대신해 너무 일찍 수렴해서는 안 됩니다. 차별화된 후보 집합을 유지하는 현실적인 이유는 ‘헤지’입니다. 선호가 알려지지 않았거나 상황에 따라 변할 수 있고, 제약이 실행 단계에서 수정될 수 있을 때, 단일 ‘최적해’보다 다양한 방안 집합이 더 가치 있습니다. 이는 ‘후보 수정은 컴파일, 테스트, 검수를 통과해야만 수용된다’는 축적 메커니즘과 같은 맥락입니다. 먼저 후보 집합을 보존하고, 검증과 선호가 최종 버전에 누가 들어갈지 결정하게 하는 것입니다.