- •Методы Оптимизации
- •1) Общая постановка задачи математического программирования.
- •2) Метод неопределенных множителей Лагранжа при поиске максимальных значений функций.
- •3) Линейный функционал.
- •4) Понятие вариации функционала.
- •5) Вычисление вариации функционала.
- •6) Постановка задачи Эйлера.
- •7) Уравнение Эйлера.
- •8) Пример использования уравнения Эйлера для поиска оптимального управления.
- •9) Понятие близости кривых.
- •10) Уравнение Эйлера-Пуассона.
- •11) Пример использования уравнения Эйлера-Пуассона в теории оптимального управления.
- •12) Вариационные задачи с подвижными границами. Пример в теории управления.
- •13) Вариационные задачи на условный экстремум.
- •14) Множители Лагранжа в вариационном исчислении.
- •15) Пример использования множителей Лагранжа для поиска управлений.
- •16) Понятие переменных состояния.
- •17) Постановка задачи оптимального управления.
- •18) Линеаризация дифференциальных уравнений и ее использование при получении принципа максимума.
- •19) Принцип максимума.
- •20) Теорема о числе переключений.
- •21) Определение моментов переключения.
- •22) Принцип оптимальности.
- •23) Дискретная форма динамического программирования.
- •24) Учет ограничений в методе динамического программирования.
- •25) Постановка задачи линейного программирования.
- •26) Определение моментов переключения.
- •27) Симплексный метод.
- •28) Геометрическая интерпретация симплексного метода.
- •29) Учет ограничений типа неравенств в линейном программировании.
- •Дополнительные материалы
19) Принцип максимума.
Пусть объект управления описывается системой уравнений .или в векторной форме ,где -вектор координат состояния, -вектор координат управления. Основная задача оптимального управления: среди всех допустимых управлений, переводящих динам. Сис-му из начального положения x0 в конечное x1, найти оптимальное. Для определения критерия оптимальности рассмотрим функционал .Он должен достигать минимума.
Принцип максимума Понтрягина основан на установлении связи оптимизируемого функционала J с динамикой процесса. Эта связь устанавливается через функцию Гамильтона ,где удовлетворяет уравнениям ,j=0,1,..,n. Принцип максимума Понтрягина состоит в том, что для оптимального управления и соответствующих координат ,для которых критерий J имеет минимальное значение, функция Гамильтона H имеет максимум(по аргументу U).
Функции H(y, x, и) ставится в соответствие каноническая (гамильтонова) система (относительно y, х) .
20) Теорема о числе переключений.
(Следствие принципа максимума)
(Для уст. Систем)
Для того, чтобы линейная динамическая система порядка n, имеющей различные не положительные корни характеристического уравнения, перевести за минимальное время из одного состояния в другое, требуется не более n интервалов управления (не более n-1 переключения)
Причём на каждом из интервалов управляющее воздействие равно либо +Umax , либо -Umax
21) Определение моментов переключения.
1. U(t) – задаётся явная зависимость от времени
2. U – задаётся как ф-ия переменных состояние U(x1…xn)
Рассмотрим схему
Требуется перевести систему из одного состояния в другое за минимальное время.
Св-ва управляющего воздействия
1.U(t) либо +Uм либо –Uм
2. Имеются 2а интервала управления.
Можно решить методом фазовой плоскости?
F(X,
F(X,
= p; F(x,P, )=0
x=c-
x=0, x1=0, ->c=0
x=-
22) Принцип оптимальности.
Каждый конечный участок оптимальной траектории есть оптимальная траектория (следствие аддитивности).
Принцип оптимальности (применения) – перевести систему из одного состояния в другое на интервале времени [0, T]. Критерий:
23) Дискретная форма динамического программирования.
Переход к дискретной системе : рассмотрим U,x в отдельных точках.
Будем искать приближенное значение U,x на интервалах
,
Рассм. – дифур. стало разностным уравнением
– дискретная задача
– ограничение
Метод динамического программирования – метод поиска наибольшего/наименьшего значения ф-ции многих переменных при наличии ограничения на переменные, ограничения в виде разностных уравнений.
Если ограничение общего вида, то этот метод не подходит.
Вместо сложной задачи решаем много простых задач поиска наиб./наим. значения ф-ции одного аргумента.Например необходимо найти методом градиента наиб./наим. значение.Задача общая, общего решения нет … Наш метод опред. решение.
Решение задачи начинается с конца траектории (с конечной точки )
Решение основано на принципе оптимальности
Шаг 1 для . Пусть - известно. Тогда - разностное уравнение. Для каждого находим оптимальное значение .
Уравнение становится относительно корней - необходимо выбрать оптимальное уравнение:
Итоги шагов: Шаг 1 для
Шаг 2 для . Пусть .Тогда .
Дискретный критерий начиная с движемся оптимально + .Из 4-ёх аргументов получили 3.
Шаг 2 для . ИТОГ:
Далее доходим до шага, где -известно, потом пойдем в обратном направлении
ПРИМЕР: 10 x(0) =1, x(T) =10 T=3
Оптимальным способом перевести систему из нач. сост. в конечное за 3 секунды, чтобы критерий принял минимальное значение. Принять =1. Разностное уравнение:
Шаг 1. Для . Пусть . Разн. уравнение:
, . Найти оптимальное управляющее воздействие:
x(T) = =10 Итог:
Шаг 2. Для . Пусть . Разн. уравнение:
, начиная с движение оптимально =
-приравниваем к 0
Итог :
Шаг 3. Для . Пусть . Разн. уравнение:
, начиная с движение оптимально =
Ищем оптим. для каждого -приравниваем к 0 . Итог :
Движемся в обратную сторону:
Для непрерывных систем : -
Для диф-я 2-го порядка решение усложняется. Метод динамического программирования применим в комбинаторных задачах.