[논문 리뷰] Inverse Optimization: Theory and Applications

Timothy C. Y. Chan, Rafid Mahmood외 1명|arXiv (Cornell University)|2021. 09. 08.

Advanced Optimization Algorithms Research인용 수 11

한 줄 요약

이 논문은 관측된 의사결정에서 목적함수와 제약조건을 추론하는 방법인 역최적화(inverse optimization)에 대한 종합적인 리뷰를 제시한다. 이는 헬스케어, 금융, 에너지 분야에서 의사결정 모델의 재구성 가능하게 하며, 데이터 기반 접근법을 강조하여 노이즈가 있거나 완벽하지 않은 데이터에 대응한다. 이 논문은 역최적화 모델에 대한 통합된 분류 체계를 제안하고, 방법론적 진전과 응용 사례를 종합적으로 분석한다.

ABSTRACT

Inverse optimization describes a process that is the "reverse" of traditional mathematical optimization. Unlike traditional optimization, which seeks to compute optimal decisions given an objective and constraints, inverse optimization takes decisions as input and determines an objective and/or constraints that render these decisions approximately or exactly optimal. In recent years, there has been an explosion of interest in the mathematics and applications of inverse optimization. This paper provides a comprehensive review of both the methodological and application-oriented literature in inverse optimization.

연구 동기 및 목표

• 앞선 문제의 구조, 매개변수 유형, 모델-데이터 적합도 기반으로 역최적화 모델을 체계적으로 분류하는 프레임워크를 제공하기 위해.
• 클래식 및 데이터 기반 공식화를 포함한 역최적화의 방법론 문헌을 통합하고 검토하기 위해.
• 헬스케어, 교통, 금융, 생물학 등 다양한 분야에서의 현대적 응용 사례를 조사하기 위해.
• 스케일링 및 분포 모델링 측면에서 현재 연구의 격차를 특정하고 향후 연구 방향을 제안하기 위해.
• 이론적 역최적화와 실세계 시스템의 실질적 데이터 기반 의사결정 모델링 간 격차를 메우기 위해.

제안 방법

• 세 차원 분류 체계 제안: (1) 앞선 문제의 구조(선형, 볼록, 정수, 순차적), (2) 매개변수 유형(목적함수, 제약조건, 또는 둘 다), (3) 모델-데이터 적합도(완벽 또는 불완전).
• 클래식 역최적화(완벽한 적합도, 정확한 최적성)와 데이터 기반 역최적화(불완전한 적합도, 부분최적성 측정) 간의 차이를 명확히 구분.
• KKT 조건, 변동성 부등식, 단일 수준 최적화 문제로의 재구성 등 주요 해법 기법을 검토.
• 노이즈가 있거나 부분적으로 최적화된 의사결정 데이터를 처리하기 위해 가중치 ℓ1-노름 및 최소 거리 손실 함수를 적용.
• 수학적 프로그래밍 공식화를 통해 잠재 매개변수를 추정, 예를 들어 마르코위츠 포트폴리오 모델에서의 위험 회피 성향(κ) 또는 헬스케어 분야의 유틸리티 함수.
• 다양한 탇행 영역에서의 다수의 데이터 포인트를 포함하는 대규모 역최적화 모델의 스케일링 문제를 해결하기 위해 분해 및 근사 기법을 활용.

실험 결과

연구 질문

• RQ1 역최적화 모델은 그 구조적 및 모델링 가정 기반으로 체계적으로 분류될 수 있는가?
• RQ2 클래식 역최적화(완벽한 적합도)와 데이터 기반 역최적화(불완전한 적합도) 간의 주요 방법론적 차이는 무엇인가?
• RQ3 헬스케어 정책 설계, 포트폴리오 리스크 선호도 추론, 대사 네트워크 모델링 등 실세계 응용 사례에서 역최적화 기법은 어떻게 성능을 발휘하는가?
• RQ4 다양한 의사결정 데이터를 포함하는 대규모 데이터셋에 역최적화를 스케일링할 때의 주요 과제는 무엇인가?
• RQ5 데이터, 매개변수 또는 모델 잘못 설정에 대한 분포 가정을 어떻게 통합하여 추정 정확도를 향상시킬 수 있는가?

주요 결과

• 역최적화를 통해 관측된 의사결정에서 잠재적인 의사결정 매개변수—예를 들어 위험 선호도, 유틸리티 함수, 목적함수 가중치—를 추정할 수 있다.
• 부분최적성 손실 함수(예: ℓ1-노름)를 사용하는 데이터 기반 역최적화 모델은 노이즈가 있거나 완벽하지 않은 의사결정 데이터를 효과적으로 처리하여 실세계 응용에서 강건성을 향상시킨다.
• 헬스케어 분야에서는 관측된 간 이식 대기 정책을 분석하여 환자의 건강 상태에 대한 선호도를 추론하는 데에 역최적화가 사용되었다.
• 금융 분야에서는 마르코위츠 포트폴리오 모델에서 위험 회피 성향(κ)을 성공적으로 추론하여 개인 맞춤형 로보 어드바이저 시스템을 구현하고, 공익 편향 편성(ESG)의 상호 운용성을 평가하는 데에 기여했다.
• 경제학 분야에서는 나시 균형 및 일반화된 나시 균형 게임의 매개변수를 추론하기 위해 역KKT 및 변동성 부등식 접근법이 적용되었으며, 이는 경쟁적 시장 행동을 모델링하는 데에 사용되었다.
• 문헌 분석을 통해 고차원적이거나 불확실한 환경에서 모델 신뢰성과 일반화 능력을 향상시키기 위해 스케일러블 해법 기법과 분포 가정 통합이 필수적임을 확인하였다.