스탠퍼드 AA203 최적제어 3강 정리: KKT 조건부터 변분법과 오일러 방정식까지

핵심 메시지

• 부등식 제약 문제는 최소점에서 실제로 등호가 성립하는 "활성 제약"만 남기면 앞서 배운 등식 제약 문제와 같은 방식으로 다룰 수 있고, 그 결과가 KKT 조건이다.
• KKT는 필요조건일 뿐이어서 최소점이라면 반드시 만족하지만, 만족한다고 최소점이 보장되지는 않는다. 후보를 걸러내는 필터로 쓰는 도구다.
• 최적제어는 숫자 몇 개가 아니라 시간에 따라 변하는 제어 신호 전체를 찾는 무한차원 최적화 문제다.
• 간접법은 최적성 조건을 먼저 유도한 뒤 수치적으로 푸는 "최적화 후 이산화" 방식이고, 직접법은 시간을 먼저 쪼개는 "이산화 후 최적화" 방식이다.
• 범함수의 변분이 0이라는 조건에 부분적분과 변분법의 기본 보조정리를 적용하면 무한차원 문제의 필요조건인 오일러 방정식이 나온다.

쉽게 이해하기

스탠퍼드 대학교의 AA203 "Optimal and Learning-Based Control" 2026년 봄학기 3강입니다. 항공우주학과 자율시스템 연구실 소속 다니엘레 감멜리 박사가 강의를 맡았고, 앞선 강의에서 다룬 유한차원 최적화를 마무리한 뒤 최적제어 본론으로 들어가는 회차입니다. 강의의 목표는 일관됩니다. 어떤 답이 최적이 되려면 반드시 만족해야 하는 조건, 즉 필요조건을 세우고 그것으로 후보를 걸러내는 것입니다.

전반부는 부등식 제약이 있는 최적화 문제를 다룹니다. 부등식이 들어오면 수학이 갑자기 어려워지는데, 강의는 "활성 제약"이라는 우회로를 씁니다. 어떤 점에서 등호가 성립하는 제약은 활성, 여유가 남아 있는 제약은 비활성으로 나누고, 원래 문제의 지역 최소점은 비활성 제약을 지운 문제에서도 여전히 지역 최소점이라는 점을 보입니다. 비활성 제약에는 움직일 여유가 있으므로 아주 작은 이웃에서는 무시해도 된다는 논리입니다.

이렇게 하면 활성 제약을 사실상 등식처럼 취급할 수 있고, 지난 강의에서 라그랑주 승수로 만든 조건을 그대로 재사용할 수 있습니다. 여기서 나오는 것이 KKT 조건입니다. 라그랑지안의 기울기가 0이고, 비활성 제약에 붙은 승수는 0이며, 부등식에 붙은 승수는 모두 음이 아니어야 한다는 조건입니다. 강의는 간단한 예제로 제약이 활성인 경우와 비활성인 경우를 나눠 풀어 보이는데, 활성 가정은 승수가 음수가 되어 버려 탈락하고 비활성 가정에서 원점이 후보로 남습니다.

후반부는 무한차원으로 넘어갑니다. 최적제어에서 우리가 찾는 것은 특정 시각의 값이 아니라 시작 시각부터 종료 시각까지 이어지는 제어 신호 전체입니다. 함수를 입력으로 받아 하나의 실수를 내놓는 대응 규칙을 범함수라 부르고, 이를 다루는 도구가 3~4세기 전으로 거슬러 올라가는 변분법입니다. 강의는 유한차원에서 쓰던 개념을 하나씩 대응시켜 옮깁니다. 벡터 사이의 거리 대신 두 함수의 차의 노름으로 가까움을 정의하고, 그 위에서 지역 최소를 정의하는 식입니다.

마지막으로 미분에 해당하는 개념을 세웁니다. 범함수 값의 증분을 선형 항과 고차 항의 합으로 쓰고, 변분이 작아질 때 고차 항이 더 빨리 0으로 가면 증분이 선형 항으로 잘 근사된다는 것이 미분가능성의 정의입니다. 그 선형 항이 0이어야 한다는 것이 변분법의 기본 정리이며, 이는 유한차원에서 기울기가 0이어야 한다는 조건에 정확히 대응합니다. 여기에 테일러 전개와 부분적분을 적용하고, 연속함수와 임의의 변분의 곱을 적분한 값이 항상 0이려면 그 함수가 구간 전체에서 0이어야 한다는 기본 보조정리를 쓰면 오일러 방정식에 도달합니다.

주요 인사이트

• 어려운 문제를 새 이론으로 정면 돌파하지 않고, 이미 풀린 문제의 형태로 바꿔 기존 결과를 재사용하는 전형적인 수학적 전략을 볼 수 있습니다. 부등식 제약을 활성 집합으로 걸러 등식 제약 문제로 환원하는 과정이 그 예입니다.
• 필요조건과 충분조건의 차이가 실전에서 왜 중요한지 드러납니다. 강의는 조건을 만족하는 점을 찾은 뒤 "그다음 이게 말이 되는지 확인한다"고 반복해서 강조합니다. 조건은 정답을 주는 것이 아니라 후보 목록을 줄여 주는 장치입니다.
• 간접법이 1960~70년대의 오래된 접근인데도 여전히 배우는 이유가 설명됩니다. 해석적이거나 준해석적인 해를 주기 때문에 탑재 연산 자원이 제한된 환경, 특히 항공우주 분야에서 실제로 많이 쓰이고, 현대적인 직접법의 초기 추정치를 만드는 데도 활용됩니다.
• 무한차원이라는 말이 주는 부담과 달리, 실제 작업은 유한차원의 직관을 한 칸씩 옮기는 일이라는 점이 반복해서 확인됩니다. 강사도 무한차원에서 막히면 유한차원 직관으로 돌아가 대응 관계를 찾아보라고 권합니다.
• 수강생 질문이 강의의 절반 가까이를 차지하며, 활성 제약의 정의나 경계에서의 최소점 같은 지점에서 논쟁이 이어집니다. 정의가 짧을수록 적용할 때 헷갈린다는 점을 그대로 보여 줍니다.

자주 묻는 질문

관련 AI 소식