KAIST KOOC 김탁곤 명예교수의 디지털 트윈 강의 열네 번째 차시입니다. 이번 강의는 **시스템 최적화 문제를 어떻게 수학적으로 정의하고, 언제 Simulation 기반 최적화가 필요한지**를 설명합니다. ## 최적화란 무엇인가 최적화는 어떤 목적함수의 최대값 또는 최소값을 만드는 변수 값을 찾는 문제입니다. 기본적으로 다음 요소를 정의합니다. - **Objective Function**: 무엇을 최대/최소화할 것인가 - **Decision Variable**: 무엇을 바꿀 수 있는가 - **Constraint**: 변수에는 어떤 제한이 있는가 - **Optimization Index**: 결과를 어떤 지표로 평가할 것인가 ## 단순 수식과 현실 시스템의 차이 학교에서 배우는 1차·2차 함수나 Linear Programming은 목적함수가 수식으로 명확히 표현되는 경우입니다. 하지만 실제 교통·제조·물류 같은 시스템에서는 결정변수와 성능지표 사이의 관계를 간단한 식으로 표현하기 어려운 경우가 많습니다. ## 교통 시스템 예 신호등 지속 시간을 바꾸어 평균 대기시간이나 연료 소비를 최소화하려 한다고 가정합니다. - 결정변수: 각 신호의 지속 시간 - 최적화 지수: 평균 대기시간 또는 연료 소비량 - 제약조건: 최소·최대 신호 시간, 신호 간 관계 문제는 신호 지속시간을 입력했을 때 연료 소비량이 얼마인지 간단한 수식으로 바로 계산하기 어렵다는 것입니다. ## Simulation 기반 최적화 목적함수를 닫힌 수식으로 표현하기 어려울 때 시스템 Simulation을 실행해 성능지표를 계산할 수 있습니다. 즉: **Decision Variables → Simulation → Performance Data → Objective Value** 구조입니다. ## 탐색 알고리즘 가능한 모든 변수 조합을 Full Search하면 시간이 너무 오래 걸릴 수 있으므로 효율적인 탐색 알고리즘을 사용합니다. 강의에서는 일반 수식 최적화와 달리 Simulation 기반 문제에서 Metaheuristic Algorithm 등이 사용될 수 있음을 설명합니다. ## 정형화 절차 실제 문제를 풀기 전에 다음을 먼저 명확히 해야 합니다. 1. 무엇을 최적화할 것인가 2. 어떤 변수를 바꿀 것인가 3. 목적함수를 어떻게 계산할 것인가 4. 변수의 범위와 제약조건은 무엇인가 5. 어떤 탐색 방법을 사용할 것인가 ## 핵심 정리 Digital Twin 기반 최적화의 출발점은 복잡한 알고리즘보다 **문제를 정확히 정형화하는 것**입니다. **Problem → Objective → Decision Variables → Constraints → Simulation → Optimization**