한국시뮬레이션학회논문지 (Journal of the Korea Society for Simulation)

한국시뮬레이션학회 (The Korea Society for Simulation)
권호 표지
DOI QR코드

DOI QR Code

통제변수 기반 Gradient를 이용한 확률적 최적화 기법

Stochastic Optimization Method Using Gradient Based on Control Variates

  • 권치명 (동아대학교 경영대학 경영정보과학부) ;
  • 김성연 (동아대학교 경영대학 경영정보과학부)
  • 투고 : 2009.02.11
  • 심사 : 2009.06.06
  • 발행 : 2009.06.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는 확률적 시스템에서 관심 성과함수의 기대치의 최적을 유도하는 서비스 자원의 최적 배분 문제를 조사하였다. 이러한 목적으로 통제변수를 활용하여 성과함수 기대치에 대한 서비스 자원 파라미터의 gradient를 구하는 방법을 제안하고 이를 최적화 기법의 탐색과정에 적용하여 가용 자원의 최적 배분 문제를 분석하였다. 제안된 gradient 추정 방법은 시뮬레이션 실험에서 입력 파라미터의 차원이 증가하더라도 추가로 표본점의 수를 증가시킬 필요가 없이 단일점에서 시뮬레이션 반응 결과만을 활용하고 또한 시뮬레이션의 발전과정에서 성과함수와 입력 파라미터 사이의 논리적인 관계를 기술할 필요가 없어 적용하기에 편리하다고 볼 수 있다. 본 연구의 결과를 다 차원 파라미터 공간으로의 확장하는 문제와 다양한 형태의 시뮬레이션 모형으로 적용 문제는 향후 연구해야 할 과제로 생각된다.

In this paper, we investigate an optimal allocation of constant service resources in stochastic system to optimize the expected performance of interest. For this purpose, we use the control variates to estimate the gradients of expected performance with respect to given resource parameters, and apply these estimated gradients in stochastic optimization algorithm to find the optimal allocation of resources. The proposed gradient estimation method is advantageous in that it uses simulation results of a single design point without increasing the number of design points in simulation experiments and does not need to describe the logical relationship among realized performance of interest and perturbations in input parameters. We consider the applications of this research to various models and extension of input parameter space as the future research.

키워드

참고문헌

  1. Anderson T.W. (1984), An Introduction to Multivariate Statistical Analysis. John Wiley & Sons, New York.
  2. Andradottir, S. (1990), "A New Algorithm for Stochastic Optimization", Proceedings of the 1990 WSC, 364-366.
  3. Andradottir, S. (1998), "Simulation Optimization", Handbook of Simulation, Principle, Methodology, and Practices, John Wiley & Sons, New York. 308-333.
  4. Ho, Y. C. and Cao, X. R. (1991), Perturbation Analysis of Discrete Event Dynamic Systems, Kluwer Academic Publishers, Boston.
  5. Kwon, C. and Tew, J. D. (1994). "Combined Correlation Methods for Meta-model Estimation in Multi-population Simulation Experiments". J. Statistical Computation and Simulation, Vol. 49. 49-75. https://doi.org/10.1080/00949659408811560
  6. Nozari, A. Arnold, S. F. and Pegden, C. D. (1984), "Control Variates for Multi-population Simulation Experiments", IIE Trans. 16, 159-169. https://doi.org/10.1080/07408178408974681
  7. Pritsker, A. A. B. and O'Reilly, J, (1999). Simulation with Visual SLAM and AWeSim. John Wiley & Sons, New York.
  8. Robins, H and Monro, S. (1951), "A Stochastic Approximation Method", Annals of Mathematical Statistics, 32, 400-407.
  9. Wieland J. R, and Schmeiser. B. W. (2006), "Stochastic gradient Estimation Using a Single Design Point", Proceeding of the 2006 Winter Simulation Conference, 390-397.
  10. Wilson, J. R. and Pritsker, A. A. B. (1984), "Variance Reduction in Queueing Simulation Using Generalized Concomitant Variables", J. Statistical Computation and Simulation, 19. 129-153. https://doi.org/10.1080/00949658408810723
  11. 권치명 (2000), "퍼터베이션 분석을 이용한 대기행렬 네트워크의 최적화", 한국시뮬레이션학회 논문지, 제9권, 제2호, 89-102.