动态优化模型
时滞约束系统的神经动态优化模型预测控制

时 滞 约 束 系统 的 神 经 动 态 优 化 模 型 预 测 控 制
彭 勇刚 ,韦 巍 , 王
( 1 . 浙江大学 电气工程学院 杭州
均
香港)
3 1 0 0 2 7 ; 2 . 香港 中文大学机械与 自动化工程学系
摘
要: 将时滞约束 系统 的模 型预测控 制优化 问题描述为一个 带约束 的二次规划 问题进行处 理 , 并 采用一个 对偶神 经网络进
Ab s t r a c t : I n t h i s p a p e r , o n l i n e o p t i m i z a t i o n p r o b l e m o f m o d e l p r e d i c t i v e c o n t r o l ( M P C )o f t i m e — d e l a y e d s y s t e m w i t h r e s t r a i n t s i s d e s c i r b e d a s a n q u a d r a t i c p r o g r a m m i n g( Q P)p r o b l e m w i t h r e s t r a i n t s a n d a d u a l n e u r a l n e t w o r k i s u s e d
行在线求 解。该神经动态优化方法充分发挥 了神经 网络并行 、 分布式处理的优点 , 优化速度快 , 能够用来求解各种 复杂的带约 束优 化问题。实验研究表明 , 该 方法具有 较高的优 化精度和优化速度 , 提高 了模 型预测控制 的在线优化 能力 , 能够 扩展模型预
测控制的应用领域 。
国家自然科学基金国家863重大项目2011aa050201浙江省自然科学基金yl110135钱江人才计划项目2013r10g2010456中央高校基本科研业务费专项资金2013qna4021资助项目学兔兔962仪器仪表学报第34卷型预测控制主要应用于控制系统计算能力较强的大型缓制优化描述采用非增量型优化指标来减少计算量并通慢变化过程的控制而对于控制系统计算能力较弱或者过变换将优化问题转化为带约束二次规划问题进行动态特性较强的对象控制则不太适合模型预测控制
动态优化模型

动态优化模型动态优化模型是一种利用动态规划理论对优化问题进行建模与求解的方法。
它能够在不同环境下进行模型的动态调整,以求得最优解。
本文将介绍动态优化模型的基本概念与原理,并讨论其在实际问题中的应用。
一、动态规划的基本原理动态规划是一种以递归的方式进行求解的优化方法。
它将大问题分解为一系列子问题,并从子问题的最优解递归地求解出整个问题的最优解。
动态规划的核心思想是"最优子结构"和"重叠子问题"。
1. 最优子结构动态规划中的每个子问题必须具备最优子结构的特点,即如果一个问题的最优解包含了它的子问题的最优解,则称其具有最优子结构。
通过求解子问题得到的最优解可以作为整个问题的最优解的一部分。
2. 重叠子问题动态规划中的子问题往往是重叠的,即包含相同的子问题。
为避免重复计算,可以使用备忘录或者动态规划表来记录已求解的子问题的结果,在需要时直接检索以节省计算时间。
二、动态优化模型的建立动态优化模型通常包括三个基本要素:状态、状态转移方程和边界条件。
1. 状态状态是指问题中的一个变量或一组变量,它能够完整地描述问题的某个特定场景。
状态的选择对模型的性能和求解效果有着重要的影响。
2. 状态转移方程状态转移方程描述了问题中的状态如何转移到下一个状态。
它是建立动态规划模型的核心,通过定义合适的状态转移方程,可以准确地描述问题的演变过程。
3. 边界条件边界条件指定了问题的起始状态和终止状态,以及在某些特定情况下的处理方式。
它是动态规划模型中必不可少的部分,可以确定问题的边界和约束条件。
三、动态优化模型的应用动态优化模型广泛应用于各个领域,如经济学、管理学、运筹学等。
下面以背包问题和路径规划问题为例,说明动态优化模型的具体应用。
1. 背包问题背包问题是一个常见的优化问题,其目标是在给定的背包容量下,选择一定数量的物品放入背包中,使得背包内的物品总价值最大化。
动态优化模型中,可以将背包问题转化为一个二维的状态转移方程,并通过动态规划的方法求解最优解。
动态优化模型在金融市场的运用

动态优化模型在金融市场的运用金融市场作为经济发展的重要组成部分,不仅仅是资金流动的场所,也是各种金融工具和衍生品的交易场所。
在这个复杂而又高效的市场中,人们不断寻求能够提高投资效益的方法和工具。
其中,动态优化模型作为一种重要的数学分析工具,被广泛应用于金融市场的决策过程中。
动态优化模型主要通过数学方法,对金融市场中的各种问题进行建模和求解。
它能够对金融市场的行为进行全面、系统的分析,提供科学而准确的决策支持。
具体而言,动态优化模型可以用来解决各种金融市场中的最优化问题,如资产配置、投资组合优化、期权定价等。
在资产配置方面,动态优化模型可以帮助投资者确定资产的配置比例以及投资组合的持有期。
通过将历史数据与市场情况进行分析,动态优化模型能够提供科学合理的投资建议,使得投资者能够在风险可控的情况下获得最大可能的收益。
在投资组合优化方面,动态优化模型可以帮助投资者选择最佳的投资组合。
通过考虑各项因素,如风险偏好、收益预期等,动态优化模型能够找到最优的投资组合,使得投资者在风险可控的情况下获得最大的收益。
在期权定价方面,动态优化模型可以帮助投资者确定期权的价格。
期权是金融市场中一种常见的衍生品,其价格的确定对于投资者进行合理的决策至关重要。
通过动态优化模型,可以考虑各种因素,如行权价、期限、标的物价格等,从而确定期权的合理价格,为投资者提供决策参考。
动态优化模型在金融市场的运用不仅可以提高投资效益,还可以降低市场风险。
通过对金融市场的全面分析和科学建模,动态优化模型能够帮助投资者更好地理解市场行为、把握市场趋势,并根据市场情况进行及时调整和决策。
这样一来,投资者可以在市场的变化中灵活应对,避免因市场波动而导致的损失。
然而,动态优化模型在金融市场中的运用也面临着一些挑战和限制。
金融市场的复杂性导致了模型的难以建立和求解。
同时,金融市场的不确定性使得预测未来的市场行为变得困难。
因此,动态优化模型的可靠性和实用性仍然需要进一步研究和探索。
第十二章动态优化模型分析

12.1 速降线与短程线 12.2 生产计划的制定 12.3 国民收入的增长 12.4 渔船出海 12.5 赛跑的速度
y
12.1 速降线与短程线
5.最简泛函数极值的必要条件-----欧拉方程
最简单的一类泛函:
J (x(t))
t2
F
(t,
x(t),
•
用欧拉方程求解速降线问题。考察例二得:
1 y'2 F( y, y')
y
不含自变量,所以方程可写作:
Fy Fyy' y'Fy'y' y' ' 0
等价于: d dx (F y' Fy' ) 0
作一次积分得: y(1 y'2 ) c1
令 y' ctg , 则方程化为
y
c21 1 y'2
可利用另一边界条件 y(x1) y1 来确定。
12.2 生产计划的制定 问题背景:
工厂与客户签订了一项在某时刻提交一定数 量产 品的合同,在制订生产计划时要考虑生产和 贮存两种 费用.生产费用通常取决于生产率(单 依时间的产 量).生产率越高费用越大;贮存费 用自然由已经生产 出来的产品数量决定,数量越 多费用越大.所谓生产 计划这里简单地看作是到 任一时刻为止的累积产量, 它与每单体时间(如 每天)的产量可以互相推算.建模 目的是寻求最 优的生产计划,使完成合同所需的总费 用(生产 与贮存费用之和)最小。
x(t))dt
t1
其中F具, 有二阶连续偏导数,容许函数类S取为满足端点
条件为固定端点的二阶可微函数。
x(t0) x0 x(t f ) x f
泛函极值的必要条件:设泛函(3)在x(t)∈S取得极值,
动态优化模型消费与储蓄的最优选择

动态优化模型消费与储蓄的最优选择动态优化模型:消费与储蓄的最优选择在个人财务管理中,恰当地安排消费和储蓄是至关重要的。
通过动态优化模型,个人可以找到消费与储蓄的最优选择,以实现财务目标。
1. 问题框架在开始讨论消费与储蓄的最优选择之前,我们需要了解动态优化模型。
该模型通过计算最大化效用函数的解,确定最佳决策路径。
在该模型中,消费与储蓄是两个主要的决策变量,而收入、利率和风险偏好则是一些关键的因素。
2. 效用函数和约束在动态优化模型中,效用函数是一个关键的概念。
个人的效用函数可以用来衡量其对不同消费和储蓄决策的偏好程度。
一般来说,效用函数是一个关于消费和储蓄的函数,其形式可能是线性的、凸的,或者依赖于个人的风险偏好。
同时,个人在做出消费和储蓄决策时,还需要考虑一些约束。
例如,个人的收入是一种限制,消费与储蓄之间也存在着一定的关系。
3. 费雪分离定理费雪分离定理认为,个人的风险承受能力与其消费和储蓄决策是分离的。
也就是说,个人可以通过适当地分配其财富,实现消费和储蓄之间的最优平衡。
4. 动态规划动态规划是解决动态优化问题的常用方法。
对于给定的问题,动态规划将其分解为子问题,并通过计算子问题的最优解,逐步构建整体的最优解。
在消费与储蓄的最优选择中,动态规划可以用来确定最佳决策路径,使个人的效用最大化。
该方法可以将问题的时间分割为离散的阶段,并根据每个阶段的收入和消费需求,计算出最佳的储蓄水平。
5. 风险偏好与最优选择个人的风险偏好也是影响消费与储蓄最优选择的一个重要因素。
风险偏好包括个人对风险的容忍程度以及对预期收益的偏好。
对于风险厌恶型的个人来说,他们倾向于更加保守的储蓄决策,以降低财务风险。
而风险承担型的个人可能更愿意进行高风险投资,以追求更高的收益。
6. 其他因素的考虑除了收入、利率和风险偏好,个人在做出消费与储蓄决策时,还需要考虑一些其他因素。
例如,通货膨胀率的影响、个人的资产和负债状况、预期未来的收入变化等等。
数学建模动态优化模型

数学建模动态优化模型数学建模是一种通过建立数学模型来解决实际问题的方法。
动态优化模型则是指在一定的时间尺度内,通过调整决策变量,使系统在约束条件下达到最优效果的数学模型。
本文将介绍数学建模中动态优化模型的基本原理、方法和应用。
动态优化模型是一种考虑时间因素的优化模型。
在解决实际问题时,往往需要考虑到系统随时间变化的特性,因此单纯的静态优化模型可能无法满足需求。
动态优化模型对系统的演化过程进行建模,通过引入时间因素,能够更准确地描述系统的行为,并找到最优的策略。
动态优化模型的核心是建立一个数学模型来描述系统的演化过程。
在建模过程中,需要确定决策变量、目标函数、约束条件和系统的动态特性。
决策变量是指在不同时间点上的决策变量值,目标函数是指目标的数量指标,约束条件是系统必须满足的条件,系统的动态特性是指系统状态随时间的变化规律。
动态优化模型的建模方法有很多种,常见的方法包括状态空间建模、差分方程建模和优化控制建模等。
其中,状态空间建模是一种通过描述系统状态和系统状态之间的关系来建立模型的方法;差分方程建模是一种通过描述离散时间点上系统的状态之间的关系来建立模型的方法;优化控制建模则是一种将优化方法和控制方法相结合的建模方法。
动态优化模型在实际问题中有广泛的应用。
例如,在生产调度问题中,我们需要根据不同时间的产销情况来安排生产任务,以使得产能得到充分利用并满足市场需求;在交通控制问题中,我们需要根据交通流量的变化来调整信号灯的配时方案,以最大程度地减少交通拥堵;在能源管理问题中,我们需要根据电网的负荷变化来调整发电机组的出力,以实现能源的有效利用。
在建立动态优化模型时,需要考虑到模型的复杂性和求解的难度。
一方面,动态优化模型往往比静态优化模型复杂,需要考虑到系统的动态特性和约束条件的演化;另一方面,求解动态优化模型需要考虑到系统的运行时间和求解算法的效率。
因此,在建立动态优化模型时,需要合理选择模型和算法,以保证模型的可行性和求解的可行性。
基于模型预测控制的机械系统动态性能优化

基于模型预测控制的机械系统动态性能优化在现代机械系统中,动态性能是评估其质量和有效性的重要指标之一。
对于许多复杂的机械系统,传统的控制方法往往难以实现良好的动态性能。
而基于模型预测控制(Model Predictive Control,MPC)的方法在这方面显示出了巨大的优势。
MPC是一种基于系统模型的先进控制方法,它通过预测未来的系统行为,并根据预测结果优化控制信号,实现对系统的良好控制。
与传统的PID控制相比,MPC能够在一定程度上克服传统方法中存在的延迟和非线性问题,使得机械系统的动态性能得到显著改善。
MPC方法通常由两个主要环节组成:系统模型和优化算法。
系统模型是指对机械系统进行数学建模,描述系统的物理特性和控制行为。
在基于模型的预测过程中,这个模型将用于预测系统的未来动态行为。
优化算法则用于选择最优的控制信号,使得系统在预期的时间范围内达到最优性能。
在MPC方法中,系统模型的准确性对结果的影响很大。
因此,在实际应用中,模型的辨识和校准是非常重要的环节。
通过合理的实验设计和数据分析,可以提高模型的准确性和可靠性,使得MPC方法能够更好地适应不同的机械系统。
另外,MPC方法中的优化算法也是至关重要的一环。
优化算法的设计和选择直接决定了控制信号的质量和系统动态性能的优化程度。
常见的优化算法包括线性二次规划(Linear Quadratic Programming,LQP)和模型预测控制(Model Predictive Control,MPC)等。
这些算法基于对系统约束和目标函数的数学描述,通过迭代和计算得到最优的控制信号。
MPC方法在实际机械系统中的应用非常广泛。
例如,在机床控制领域,MPC方法可以实现对机床轴向力和反馈力的精确控制,提高机床的定位精度和轮廓拟合度。
在汽车悬挂系统中,MPC方法能够实现对悬挂硬度和阻尼系数的优化调整,提高车辆的行驶稳定性和乘坐舒适度。
总的来说,基于模型预测控制的机械系统动态性能优化是一个热门的研究领域和技术应用领域。
动态优化模型在经济学中的应用

动态优化模型在经济学中的应用经济学是研究人类如何分配资源的学科,而动态优化模型是经济学中的一种重要工具。
动态优化模型通过考虑时间因素,能够更准确地描述和预测经济现象。
本文将介绍动态优化模型在经济学中的应用,并探讨其在经济决策中的重要性。
一、动态优化模型的基本原理动态优化模型是一种数学模型,用于描述经济系统在不同时间点上的决策和行为。
它基于经济主体的理性行为假设,通过优化目标函数来确定最优决策。
动态优化模型通常包括状态变量、决策变量、约束条件和目标函数等要素。
在动态优化模型中,状态变量表示经济系统的状态,如资产、消费水平等;决策变量表示经济主体的决策,如投资、消费决策等;约束条件表示经济主体面临的限制,如预算约束、资源约束等;目标函数表示经济主体的目标,如效用最大化、利润最大化等。
二、动态优化模型在经济学中的应用1. 资本投资决策动态优化模型在资本投资决策中有着广泛的应用。
通过建立资产配置模型,经济主体可以根据不同的市场条件和风险偏好,确定最优的投资组合。
动态优化模型可以考虑投资者的时间偏好和风险承受能力,从而帮助他们做出更明智的投资决策。
2. 消费决策动态优化模型也可以应用于消费决策的研究。
通过考虑消费者的预算约束和效用函数,可以确定最优的消费水平。
动态优化模型可以帮助消费者在有限的资源下,实现效用的最大化。
此外,动态优化模型还可以考虑时间偏好和风险偏好等因素,进一步提高消费决策的准确性。
3. 经济增长模型动态优化模型在经济增长模型中也有重要的应用。
经济增长模型研究经济系统长期的增长趋势,通过考虑人口增长率、技术进步等因素,来预测经济的长期发展。
动态优化模型可以帮助经济学家确定最优的经济政策,以促进经济的可持续增长和发展。
4. 货币政策分析动态优化模型在货币政策分析中也有广泛的应用。
货币政策对经济的影响是复杂而动态的,通过建立动态优化模型,可以更准确地评估货币政策的效果。
动态优化模型可以考虑通货膨胀、利率等因素,帮助央行制定最优的货币政策,以达到稳定经济增长和控制通胀的目标。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
,
于是,最优控制策略(保养费)为
习题十八
1.求自原点(0,0)到直线 的最速降线。
2.求概率密度函数 ,使得信息量
取最大值,且满足等周条件
, (常数)。
3.在生产设备或科学仪器中长期运行的零部件,如滚珠、轴承、电器元件等会突然发生故障或损坏,即使是及时更换也已经造成了一定的经济损失。如果在零部件运行一定时期后,就对尚属正常的零件做预防性更换,以避免一旦发生故障带来的损失,从经济上看是否更为合算?如果合算,做这种预防性更换的时间如何确定呢?
转换点 应满足
即
(26)
从而可解出 。
因为 是时间 的减函数,所以(26)式的左端也是时间 的减函数,也就是说 随时间应由 到0。于是最优控制策略的具体表达式为
至于 , 的求法,请见下面的例子。
例3在生产设备的最大经济效益的问题中,设 , , , , , ,试求 , 和 。
解由(26)式可得求 的公式
( )最优轨线 ,协态向量 由下列的必要条件决定:
, ,
.
( )哈密顿函数
作为 的函数,最优策略 必须使
或使
(最小值原理)
( )满足相应的边界条件
若两端点固定,则正则方程的边界条件为
, 。
若始端固定,终端 也固定,而 自由,则正则方程的边界条件为
, 。
若始端固定,终端 都自由,则正则方程的边界条件为
(4)
这是因为当变分存在时,增量
根据 和 的性质有
所以
1.1.4极值与变分
利用变分的表达式(4)可以得到泛函极值与变分的关系:
若 在 达到极值(极大或极小),则
(5)
这是因为对任意给定的 , 是变量 的函数,该函数在 处达到极值。根据函数极值的必要条件知
于是由(4)式直接得到(5)式。
1.1.5.变分法的基本引理
的极值曲线 必满足欧拉方程组
( )含高阶导数的泛函
使泛函
取极值且满足固定边界条件
,
的极值曲线 必满足微分方程
( )含多元函数的泛函
设 ,使泛函
取极值且在区域 的边界线 上取已知值的极值函数 必满足方程
上式称为奥式方程。
1.2.4端点变动的情况(横截条件)
设容许曲线 在 固定,在另一端点 时不固定,是沿着给定的曲线 上变动。于是端点条件表示为
( ) 必满足正则方程:
状态方程
协态方程 。
( )哈密顿函数 作为 的函数,也必满足
并由此方程求得 。
( )求 时,必利用边界条件
,(用于确定 )
,(用于确定 )
,(确定 )
1.4最大(小)值原理
如果受控系统
,
其控制策略 的全体构成有界集 ,求 ,使性能指标
达到最大(小)值。
最大(小)值原理:如果 , 和 都是连续可微的,那么最优控制策略 和相应的最优轨线 由下列的必要条件决定:
这是摆线(圆滚线)的参数方程,其中常数 可利用另一边界条件 来确定。
例2最小旋转面问题
解因 不包含 ,故有首次积分
化简得
令 ,代入上式,
由于
积分之,得
消去 ,就得到 。
这是悬链线方程。
1.2.3最简泛函的推广
最简泛函取极值的必要条件可以推广到其它情况。
(ⅰ)含多个函数的泛函
使泛函
取极值且满足固定边界条件
解将 点取为坐标原点, 轴水平向右, 轴垂直向下, 点为 。根据能量守恒定律,质点在曲线 上任一点处的速度 满足( 为弧长)
将 代入上式得
于是质点滑行时间应表为 的泛函
端点条件为
最速降线满足欧拉方程,因为
不含自变量 ,所以方程(10)可写作
等价于
作一次积分得
令 则方程化为
又因
积分之,得
由边界条件 ,可知 ,故得
(1)
容许函数集可表示为
(2)
最简单的一类泛函表为
(3)
被积函数 包含自变量 ,未知函数 及导数 。(1)式是最简泛函。
1.1.2泛函的极值
泛函 在 取得极小值是指,对于任意一个与 接近的 ,都有 。所谓接近,可以用距离 来度量,而距离定义为
泛函的极大值可以类似地定义。 称为泛函的极值函数或极值曲线。
2.1问题分析与假设
( )设备的转卖价是时间 的函数,记为 。 的大小与设备的磨损程度和保养费的多少密切相关。记初始转卖价 。
( )设备随其运行时间的推移,磨损程度越来越大。 时刻设备的磨损程度可以用 时刻转卖价的损失值来刻画,常称其为磨损函数或废弃函数,记为 。
( )保养设备可以减缓设备的磨损速度,提高转卖价。如果 是单位时间的保养费, 是 时刻的保养效益系数(每用一元保养费所增加的转卖价),那么单位时间的保养效益为 。另外,保养费不能过大(如单位时间保养费超过单位时间产值时,保养失去了意义),只能在有界函数集中选取,记有界函数集为 ,则 。
, ,
。
§2生产设备的最大经济效益
某工厂购买了一台新设备投入到生产中。一方面该设备随着运行时间的推移其磨损程度愈来愈大,因此其转卖价将随着使用设备的时间增加而减小;另一方面生产设备总是要进行日常保养,花费一定的保养费,保养可以减缓设备的磨损程度,提高设备的转卖价。那么,怎样确定最优保养费和设备转卖时间,才能使这台设备的经济效益最大。
( )欲确定的转卖时间 和转卖价 都是自由的。
2.2模型构造
根据以上的分析与假设可知:考察的对象是设备在生产中的磨损—保养系统;转卖价体现了磨损和保养的综合指标,可以选作系统的状态变量;在生产中设备磨损的不可控性强,其微弱的可控性也是通过保养体现,加之保养本身具有较强的可控性,所以选单位时间的保养费 作为控制策略。这样,生产设备的最大经济效益模型可以构成为在设备磨损—保养系统的(转卖价)状态方程
( ) 不依赖于 ,即
这时 ,欧拉方程为 ,这个方程以隐函数形式给出 ,但它一般不满足边界条件,因此,变分问题无解。
( ) 不依赖 ,即
欧拉方程为
将上式积分一次,便得首次积分 ,由此可求出 ,积分后得到可能的极值曲线族
( ) 只依赖于 ,即
这时 ,欧拉方程为
由此可设 或 ,如果 ,则得到含有两个参数的直线族 。另外若 有一个或几个实根时,则除了上面的直线族外,又得到含有一个参数 的直线族 ,它包含于上面含有两个参数的直线族 中,于是,在 情况下,极值曲线必然是直线族。
引理 , , ,有
,
则 。
1.2无约束条件的泛函极值
求泛函
(6)
的极值,一般是用泛函极值的必要条件去寻找一条曲线 ,使给定的二阶连续可微函数 沿该曲线的积分达到极值。常称这条曲线为极值曲线(或轨线),记为 。
1.2.1端点固定的情况
设容许曲线 满足边界条件
, (7)
且二次可微。
首先计算(6)式的变分:
(21)
之下,在满足 的函数集 中寻求最优控制策略 ,使系统的经济效益这一性能指标
(22)
为最大,其中 都是自由的。
2.3模型求解
首先写出问题的哈密顿函数
(23)
再由协态方程及边界条件求出 ,即由
解得
下面利用最大值原理求 。先将(23)式改变为
显然, 是对 的线性函数,因此得到
(24)
或
(25)
在上式中,还需解决两个问题:一是 与 的转换点 在什么位置,即 等于多少?二是 是由 到 ,还是由 到 。
( ) 只依赖于 和 ,即
这时有 ,故欧拉方程为
此方程具有首次积分为
事实上,注意到 不依赖于 ,于是有
。
例1(最速降线问题)最速降线问题是历史上变分法开始发展的第一个问题。它是约翰·贝努里(J. Bernoulli)于1696年提出的。问题的提法是这样的:设 和 是铅直平面上不在同一铅直线上的两点,在所有连结 和 的平面曲线中,求一曲线,当质点仅受重力作用,且初速为零,沿此曲线从 滑行至 时,使所需时间最短。
(8)
对上式右端第二项做分布积分,并利用 ,有
,
再代回到(8)式,并利用泛函取极值的必要条件,有
因为 的任意性,及 ,所以由基本引理得到著名的欧拉方程
(9)
它是这类最简泛函取极值的必要条件。
(9)式又可记作
(10)
通常这是 的二阶微分方程,其通解的两个任意常数由(7)式中的两个端点条件确定。
1.2.2最简泛函的几种特殊情形
1.1.3泛函的变分
如同函数的微分是增量的线性主部一样,泛函的变分是泛函增量的线性主部。作为泛函的自变量,函数 在 的增量记为
也称函数的变分。由引起的泛函的增量记作
如果 可以表为
其中 为 的线性项,而 是 的高阶项,则 称为泛函在 的变分,记作 。用变动的 代替 ,就有 。
泛函变分的一个重要形式是它可以表为对参数 的导数:
(15)
注意,横截条件与欧拉方程联立才能构成泛函极值的必要条件。
1.3有约束条件的泛函极值
在最优控制系统中,常常要涉及到有约束条件泛函的极值问题,其典型形式是对动态系统
(16)
寻求最优性能指标(目标函数)
(17)
其中 是控制策略, 是轨线, 固定, 及 自由, , (不受限,充满 空间), 连续可微。
下面推导取得目标函数极值的最优控制策略 和最优轨线 的必要条件。
采用拉格朗日乘子法,化条件极值为无条件极值,即考虑
(18)
的无条件极值,首先定义(16)式和(17)式的哈密顿(Hamilton)函数为
(19)
将其代入(18)式,得到泛函
(20)
下面先对其求变分
注意到 , ,因而
再令 ,由 的任意性,便得
1.1变分法的基本概念
1.1.1泛函
设 为一函数集合,若对于每一个函数 有一个实数 与之对应,则称 是对应在 上的泛函,记作 。 称为 的容许函数集。