- •1. Введение
- •Основные разделы курса
- •3. Основная задача линейного программирования. Различные формы записи задачи.
- •6. Алгоритм симплекс-метода.
- •1.3. Реализация симплекс-метода в виде симплексных таблиц.
- •8Транспортная задача. Описание и примеры применения метода потенциалов.
- •29.Метод ветвей и границ. Задача о рюкзаке.
- •Задача о рюкзаке
- •30. Метод ветвей и границ. Задача коммивояжера.
- •28. Методы перебора вариантов. Метод вариаций.
- •31.Задачей целочисленного программирования называется задача линейного программирования, в которой имеется дополнительное условие, требующее, чтобы часть переменных принимала только целые значения.
- •35.Общие принципы дискретного динамического программирования. Уравнение Беллмана.
- •36. Задача распределения ресурсов.
- •38. Построение кратчайшего пути на сети.
- •37. Задача оптимального планирования. Обработка деталей на двух станках.
- •10. Выпуклые множества и выпуклые функции.
- •13.Двойственность в задачах выпуклого программирования
- •14. Квадратичное программирование
- •12. Постановка задачи. Теорема Куна – Таккера.
- •16. Геометрическое программирование
- •11. Свойства выпуклых множеств и выпуклых функций
- •19. Общая задача нелинейного программирования.
- •22.Свойства дифференцируемых функций.
- •24. Дифференцируемость оператора Немыцкого.
- •25. Необходимый признак экстремума в задачах без ограничений первого и второго порядков.
- •27 . Правило множителей Лагранжа для гладких нелинейных задач.
- •41. Простейшая вариационная задача (пвз), исследование необходимых условий экстремума первого порядка.
- •45. Вариационная задача с кусочно-гладкими кривыми.
- •46. Исследование необходимых условий экстремума второго порядка. Условия Лежандра и Якоби.
- •42.. Алгоритм Гюйгенса исследования пвз.
- •48.. Поле экстремалей. Достаточные условия сильного экстремума.
- •Задача Больца.
- •6.9. Изопериметрические задачи.
- •51. Принцип максимума Понтрягина.
51. Принцип максимума Понтрягина.
Для решения задачи оптимального управления нужно рассмотреть вопрос о необходимых условиях экстремума. Ответ дает теорема, которая носит название принципа максимума Понтрягина.
Теорема (принцип максимума Понтрягина). Пусть (x*, u*, t0*, t1*) – оптимальный процесс в задаче оптимального управления (7.1.2)–(7.1.6).
Предположим, что
-функции fi, φ непрерывны вместе со своими производными по x в окрестности множества {(t, x*(t),u) | u∈U};
-функции ψi непрерывно дифференцируемы в окрестности точки (t0*, t1*, x*( t0*), x*( t1*)).
Тогда найдутся множители Лагранжа: числа λk∈R, k =0,…,N и функция p(t)∈ACR[a; b], не все равные нулю, такие что для функции Лагранжа (функции Понтрягина)
H = ∫[t(0); t(1)] f(t, x, u) + p(t)(x' - φ(t, x, u))dt + ψ(t0, t1, x(t0), x(t1)), (7.2.1)
в которой
f(t, x, u) = ∑ 0≤ k ≤ N λkfk(t, x, u); ψ(t0, t1, x0, x1) = ∑ 0≤ k ≤ N λkψk(t0, t1, x0, x1); (7.2.2)
выполняются следующие условия:
А) стационарность по x (уравнение Эйлера): d/dt L*x ' (t) = L*x (t),
или p'(t) = fx*(t) – p(t) φx*(t), (7.2.3)
где L = f(t, x, u) + p(t)(x'–φ(t, x, u)) – лагранжиан задачи.
Б) трансверсальность по x:Lx’* (t0*) = ψx0*, Lx’* (t1*) = – ψx1*, или p(t0*) = ψx0*, p(t1*) = – ψx1*. (7.2.4)
В) оптимальность по u:
minu∈U L(t, x*(t), u) = L(t, x*(t), u*(t)) (7.2.5)
для всех t ∈ [t0*, t1*].
Г) стационарность по t0 и t1 (только для подвижных концов): Ht0* = 0, H t1* = 0; (7.2.6)
Д) дополняющая нежесткость:
λkBk* = 0, k = 1,…,m; (7.2.7)
Е) неотрицательность:
λk ≥ 0, k = 0,…,m. (7.2.8)
Доказательство. Зафиксируем управление u. Тогда задача (7.1.2) - (7.1.5) - типичная гладкая задача с ограничениями, к которой применима теорема о множителях Лагранжа. Единственное, что требуется - это записать условия (7.1.4) и (7.1.5) в виде уравнения
F(x, t0, t1) = 0, где оператор F действует в пространство Y = RN-m×R[a, b] (напомним, что на пространстве R[a, b] мы рассматриваем равномерную норму).
Cогласно теореме о множителях Лагранжа найдутся не все равные нулю числа λk, k = 0,…,m (соответствующие целевой функции и ограничениям-неравенствам) и функционал y*∈Y*, такие что в в решении задачи дифференциал функции H = ∑ 0≤ k ≤ m λkBk + y*F равен нулю, причем выполняются условия дополняющей нежесткости (7.2.7) и неотрицательности (7.2.8).
Отметим, что элемент y*∈Y* задается вектором из N-m чисел (которые мы обозначим λk, k = m+1,…, N) и линейным ограниченным функционалом на R[a, b]. Последний функционал согласно теореме Рисса для пространства C[a, b] задается некоторой функцией ограниченной вариации g.
Следовательно, имеет место формула: H = ∑ 0≤ k ≤ N λkBk + ∫[a; b] (x'–φ(t, x, u))dg(t).
Можно показать, что в качестве функции g можно подобрать абсолютно непрерывную функцию. В этом случае найдется интегрируемая функция p, для которой dg(t) = p(t)dt. Следовательно (с учетом обозначений (7.2.2)),
H = ∑ 0≤ k ≤ N λkBk + ∫[t(0); t(1)] p(t)(x'–φ(t, x, u))dt =
= ∫[t(0); t(1)] f(t, x, u) + p(t)(x'–φ(t, x, u))dt + ψ(t0, t1, x(t0), x(t1)) = ∫[t(0); t(1)] L dt + ψ.
Функция H по переменной x имеет такой же вид, как целевой функционал в задаче Больца, поэтому получаем уравнение Эйлера (7.2.3) и условия трансверсальности (7.2.4).
По переменным t0 и t1 функция H - обычная функция двух действительных переменных, поэтому в точке экстремума частные производные по этим переменным должны равняться нулю, т.е. выполняется условие стационарности (7.2.6).
Заметим, что в оптимальной точке при λ0=1 выполняется H(x*, u, t0*, t1*)=H(u) = B0(u), поэтому minu(t)∈U H(u) = minu(t)∈U B0(u) = H(u*). Поскольку H = ∫[t(0); t(1)] L dt + ψ, и функция ψ не зависит от u, получаем условие оптимальности по u (7.2.4)..