핵심 요약
현대자동차의 머신러닝랩 Cell은 EURO 2024 학회를 통해 최적화와 머신러닝의 융합, 스토캐스틱 최적화 및 수리 최적화의 최신 연구 동향과 현업 적용 가능성을 파악했습니다.
주요 경험
- EURO 2024는 3일간 진행되었고, 하루 약 240 Session, 세션당 3-4편의 발표로 총 약 2500편의 연구가 발표되어 연구 트렌드를 폭넓게 확인하는 기회가 되었습니다.
- 가장 주목받은 주제는 “최적화 모델을 아예 머신러닝으로 대체”하는 연구로, PolyNet의 아이디어가 기존 모델 구조(POMO)와 차별적으로 작동하는 방식에 관심이 모아졌습니다.
- 또한 최적화 모델 내에서 머신러닝 활용(예: 어떤 cut을 넣을지, 어떤 branch를 탐색할지 결정하는 학습 모델)과 머신러닝을 위해 최적화를 활용하는 연구(Hierarchical Clustering 등)도 다수 발표되었습니다.
얻은 인사이트
- ML-OR 융합은 실제 문제 해결의 새로운 가능성을 제시하며, 관련 연구가 활발히 진행 중임을 확인했습니다.
- Contextual Stochastic Optimization(SLO)과 Integrated Learning and Optimization(ILO) 같은 방법이 수요 예측과 의사결정을 하나로 엮는 관점으로 주목받고 있습니다.
- Stochastic Dominance 및 시나리오 기반 모델이 불확실성 관리와 Robust 계획에 활용될 수 있는 방향으로 관심이 확대되고 있습니다.