| S1 | S2 | S3 | |
|---|---|---|---|
| A1 | 10 | 12 | 13 |
| A2 | 8 | 13 | 19 |
| A3 | 5 | 10 | 20 |
각 상황의 최대 순이익에서 대안별 순이익을 빼 후회표를 만들면, 최대 후회가 가장 작은 대안은 A2이다.
상황별 최댓값은 S1=10, S2=13, S3=20이다. 후회는 A1이 (0, 1, 7), A2가 (2, 0, 1), A3이 (5, 3, 0)이다.
최대 후회는 A1=7, A2=2, A3=5이므로 최대 후회의 최소(Minimax Regret)는 A2의 2이다.
- A1: 최대 후회가 7로 가장 크다.
- A3: 최대 후회가 5로 A2보다 크다.
- 최적해가 존재하지 않는다는 진술: 후회 기준으로 A2가 유일하게 선택되므로 틀리다.
| 우호적인 상황 | 비우호적인 상황 | |
|---|---|---|
| 대안 1 | 250 | −30 |
| 대안 2 | 180 | 20 |
| 대안 3 | 140 | 50 |
기대이익(EMV)이 가장 큰 대안 3이 최적대안이다.
기대이익은 우호 확률×우호 이익 + 비우호 확률×비우호 이익으로 계산한다.
대안 1:
대안 2:
대안 3:
- 대안 1: 기대이익 26으로 가장 작다.
- 대안 2: 기대이익 52로 대안 3보다 작다.
- 대안 1과 대안 2를 함께 고르는 진술: 두 대안 모두 대안 3보다 기대이익이 낮다.

최적해에서 등호로 성립하지 않는 제약식은 선분 EF()이므로 이것이 비속박제약식이다.
그래프에서 각 직선은 AB가 , CD가 , EF가 이다. 실행가능영역의 꼭짓점에서 목적함수 값을 구하면 다음과 같다.
따라서 최적해는 AB와 CD의 교점 (2.4, 2.4)이며, 이 점에서 이므로 EF 제약에는 여유(slack)가 남는다.
- 선분 AB: 최적해에서 로 등호가 성립하는 속박제약식이다.
- 선분 CD: 최적해에서 로 등호가 성립하는 속박제약식이다.
- 없음: EF가 최적해에서 등호로 성립하지 않으므로 비속박제약식이 존재한다.
실행가능영역이 공집합이 아닌 연속 영역이므로 실행가능해는 무수히 많다(6개 이상).
제약 , , 을 동시에 만족하는 점은 꼭짓점 (0,0), (4,0), (4,1), (0,5)로 둘러싸인 다각형 전체이다. 은 로 이미 충족되는 잉여 제약이다.
- 0개: 원점부터 실행가능하므로 실행불능 문제가 아니다.
- 1개: 영역이 한 점으로 축소되지 않는다.
- 5개: 변수가 연속이라 해의 개수가 유한하지 않다.
대기행렬이론은 도착·서비스 시간을 확률분포로 다루는 확률적(불확실성 하) 기법이므로 확실성 하 기법이 아니다.
확실성 하 의사결정 기법은 모든 계수가 알려진 확정적 모형으로, 선형계획 계열이 대표적이다.
- 선형계획법: 계수가 확정된 확실성 모형이다.
- 정수계획법: 선형계획에 정수 조건을 더한 확정적 모형이다.
- 수송법: 선형계획의 특수형으로 확정적 모형이다.
㉡ 디딤돌법(stepping stone method)
㉢ 수정배분법(modified distribution method)
㉣ 최소비용법 (minimum cost method)
최초 해는 북서코너법·최소비용법으로 구하고, 해의 개선은 디딤돌법·수정배분법(MODI)으로 한다.
초기 기본해를 구하는 방법에는 북서코너법, 최소비용법, 보겔근사법이 있고, 개선법은 빈 칸의 개선지수를 계산해 총비용을 낮추는 방법이다.
- A에 북서코너법·디딤돌법을 둔 짝: 디딤돌법은 개선법이다.
- A에 북서코너법·수정배분법을 둔 짝: 수정배분법은 개선법이다.
- A에 디딤돌법·수정배분법을 둔 짝: 두 방법 모두 개선법이며 최초 해 방법이 B로 뒤바뀌었다.
선형계획법은 모든 계수가 알려져 있다고 보는 확실성(certainty)을 가정하므로 불확실성은 기본 가정이 아니다.
선형계획의 기본 가정은 비례성, 가법성, 분할성, 확실성이다.
- 비례성: 목적함수·제약식의 기여가 변수 값에 비례한다는 가정이다.
- 가법성: 전체 효과가 각 변수 효과의 합이라는 가정이다.
- 분할성: 변수가 정수가 아닌 연속값을 가질 수 있다는 가정이다.
과거의 상태 전이 확률로 미래 상태를 단계적으로 예측하는 기법은 마코프 체인(Markov Chain)이다.
현재 상태만으로 다음 상태의 확률이 정해진다는 마코프 성질을 이용해, 전이확률행렬을 반복 적용하여 미래의 상태 확률을 연속적으로 구한다.
- 게임 이론: 경쟁자 간 전략 선택을 분석하는 기법이다.
- 대기행렬 이론: 도착과 서비스 과정의 대기 현상을 분석한다.
- CPM: 프로젝트 일정의 주경로를 관리하는 기법이다.
베이즈 정리로 구하면 불량품이 A기계에서 생산되었을 확률은 2/3이다.
전체 불량률:
베이즈 정리:
- 2/5: B기계의 생산 비율(사전확률)에 해당하는 값이다.
- 3/5: A기계의 생산 비율을 그대로 쓴 값으로 불량률 차이를 반영하지 않았다.
- 1/3: 불량품이 B기계에서 생산되었을 확률이다.
단위시간당 도착 고객 수는 포아송 분포를 따른다고 가정한다.
도착 수가 포아송 분포이면 도착 간격은 지수 분포가 되며, 두 분포는 같은 도착 과정을 다른 관점에서 본 것이다.
- 지수 분포: 고객 수가 아니라 도착 간격(또는 서비스 시간)의 분포이다.
- 이항 분포: 고정된 시행 횟수에서의 성공 수 분포로 연속시간 도착 모형의 기본 가정이 아니다.
- 정규 분포: 연속형 분포로 이산적인 도착 고객 수 모형의 기본 가정이 아니다.
대안과 상황을 마디로, 확률을 가지로 단계적으로 나타내는 모형은 의사결정나무(decision tree)이다.
결정마디와 기회마디를 나누어 그리고, 각 가지의 확률과 성과로 기대값을 역순으로 계산해 최적 대안을 고른다.
- 마코프체인모형: 상태 간 전이확률로 미래 상태를 예측한다.
- 네트워크모형: 마디와 연결선으로 흐름·경로·일정 문제를 다루며 상황 확률의 단계적 표현이 목적이 아니다.
- 분지한계법: 정수계획 등의 해를 구하는 탐색 알고리즘으로 불확실성 모형화 방법이 아니다.
b. 오늘 맑을 때, 내일도 맑을 확률은 0.9이다.
c. 오늘 비가 올 때, 내일도 비가 올 확률은 0.6이다.
d. 날씨는 맑거나 비가 오거나 두 가지 경우만 존재한다고 가정한다.
장기적으로 맑을 확률은 0.8이다.
전이확률은 맑음→맑음 0.9, 맑음→비 0.1, 비→맑음 0.4, 비→비 0.6이다. 정상상태에서 , 이므로 이다.
오늘 맑음에서 출발하면 내일 맑음 0.9, 모레 맑음 , 글피 맑음 이다.
- 모레 비 0.1: 실제 값은 0.15이다.
- 모레 맑음 0.9: 0.9는 내일 맑을 확률이고 모레는 0.85이다.
- 글피 맑음 0.85: 0.85는 모레 값이고 글피는 0.825이다.
㉡ 최대화 할당문제에 활용하고자 한다면, 할당 이익표에서 가장 큰 값을 각 칸의 숫자에서 차감하여 최대화문제를 최소화문제로 만들고, 최소화문제의 헝가리 기법을 사용하면 된다.
㉢ 경우에 따라서는 할당을 하지 말아야 하는 경우도 발생하는데, 이때는 최대화문제에서 가상의 큰 값 M을 할당하여 최적해를 구한다.
㉣ 할당문제의 최적해를 구할 때, 최적할당의 가능성을 분석하기 위하여 총기회비용표에서 0의 값을 갖는 칸을 찾아서 최소한의 직선을 사용하여 지우는데, 0의 값이 여러 개 존재하는 경우, 여러 개의 최적할당이 존재한다.
옳은 설명은 최대화 문제의 변환(㉡)과 복수 최적할당(㉣)에 관한 진술이다.
㉡은 이익표의 최댓값에서 각 칸을 빼 기회손실표로 바꾸면 최소화 헝가리법을 그대로 쓸 수 있다는 내용이다. ㉣은 0인 칸으로 만들 수 있는 완전 할당 조합이 여럿이면 대안 최적해가 존재한다는 내용이다.
- ㉠: 가상행·가상열의 비용은 큰 값 M이 아니라 0을 쓴다.
- ㉢: 할당 금지 칸은 최소화(비용) 표에 큰 값 M을 넣어 배제한다. 최대화 문제에 큰 값 M을 넣으면 오히려 그 칸이 선택된다.
할당법의 제약식은 각 행·열에 정확히 하나씩 배정하는 등식이므로 부등식이라는 설명이 옳지 않다.
할당법은 수송법의 특수형으로, 공급량과 수요량이 모두 1이고 변수는 0 또는 1만 갖는다.
- 자원·종업원을 업무에 배정하는 문제에 쓰인다는 설명: 할당법의 대표 용도이다.
- 할당량이 0 또는 1이라는 설명: 배정 여부만 나타내므로 옳다.
- 최소화·최대화 모두 가능하다는 설명: 최대화는 기회손실표로 변환해 풀 수 있다.
시스템 모형을 개발하고 타당성을 검증하는 작업은 시간과 비용이 많이 든다는 것이 시뮬레이션의 단점이므로, 간편하다는 설명이 옳지 않다.
시뮬레이션은 해석적 해가 어려운 복잡한 시스템을 난수로 모의 실험해 근사적 결과를 얻는 방법이다.
- 몬테카를로법: 난수로 확률변수 값을 생성해 표본을 추출하는 시뮬레이션 기법이다.
- 해석적 해결이 어려운 경우: 시뮬레이션이 적합한 대표 상황이다.
- 함수관계로 표시하기 곤란한 경우: 복잡한 현상을 그대로 모사할 수 있어 유용하다.
쌍대문제의 제약조건 수는 원본문제의 결정변수 수와 같으므로, 원본 제약조건 수와 같다는 설명이 옳지 않다.
원본의 제약조건 하나마다 쌍대변수 하나가, 원본의 변수 하나마다 쌍대 제약조건 하나가 대응하며 계수행렬은 전치된다.
- 최대화와 최소화의 전환: 원본이 최대화면 쌍대는 최소화가 된다.
- 기여계수와 우변상수: 원본 목적함수 계수가 쌍대의 우변상수가 된다.
- 기술계수: 원본의 기술계수가 행과 열이 바뀐 위치로 그대로 쓰인다.
프로젝트 기간을 줄이려면 시간이 오래 걸리는 활동이 아니라 주경로 상의 활동 중 단위 단축비용이 작은 것을 줄여야 하므로 이 설명이 적절하지 않다.
주경로 밖의 활동은 여유시간이 있어 아무리 줄여도 전체 기간이 단축되지 않는다.
- 주경로가 여러 개일 수 있다는 설명: 소요시간이 같은 최장 경로가 둘 이상이면 모두 주경로이다.
- 주경로 활동의 여유시간이 0이라는 설명: 주경로는 여유시간이 0인 활동들로 이루어진다.
- 기간과 비용을 함께 줄일 수 있다는 설명: 단축에 따른 직접비 증가보다 간접비 감소가 크면 총비용이 줄어든다.
리틀의 법칙을 적용하면 대기행렬의 평균 고객 수는 2명이다.
도착률: 15분에 한 명이므로 시간당
리틀의 법칙:
- 4명: 도착률 값을 그대로 고객 수로 본 것이다.
- 7.5명: 도착률 대신 도착 간격 15(분)에 0.5를 곱한 값이다.
- 10명: 도착률과 평균 대기시간의 곱과 맞지 않는다.
동적계획법은 다단계 의사결정을 순환식으로 푸는 별도 기법이어서 선형계획법의 특수한 형태가 아니다.
수송법·목표계획법·정수계획법은 모두 선형계획 모형에 구조나 조건을 더한 선형계획의 변형이다.
- 수송법: 공급·수요 제약을 갖는 특수 구조의 선형계획이다.
- 목표계획법: 여러 목표를 편차변수로 다루는 선형계획의 확장이다.
- 정수계획법: 선형계획에 정수 조건을 더한 형태이다.
시뮬레이션 결과는 난수에 따른 표본오차를 포함하므로 해석적 모형의 평균 대기시간과 정확히 일치하지 않는다.
반복 횟수를 늘리면 해석적 값에 근사할 뿐이다.
- M/M/1의 정의: 포아송 도착, 지수 서비스시간, 단일 창구 시스템을 뜻한다.
- 창구 수 증가: 활용도 에서 가 커지면 활용도가 감소한다.
- 도착률이 서비스율보다 낮은 경우: 도착과 서비스의 변동성 때문에 일시적으로 대기행렬이 생길 수 있다.