disser1.pdf (2006 KB) - Ernst-Moritz-Arndt-Universität Greifswald

disser1.pdf (2006 KB) - Ernst-Moritz-Arndt-Universität Greifswald disser1.pdf (2006 KB) - Ernst-Moritz-Arndt-Universität Greifswald

ub.ed.ub.uni.greifswald.de
von ub.ed.ub.uni.greifswald.de Mehr von diesem Publisher
31.01.2014 Aufrufe

5. Numerische Methoden für verschiedene Aufgaben der Optimalsteuerung 250 State 2 vs time 200 state 2 150 100 50 0 0 5 10 15 20 t Abbildung 5.20.: Eindimensionales Modell mit quadratisch auftretender Steuerung (Gewinn nach 20 Jahren) Nun suchen wir nach optimalen Steuerungen für das dreidimensionale Lotka- Volterra-Modell, bestehend aus Dorsch(x 1 ), Hering(x 2 ) und Sprotte(x 3 ) und „Anzahl der Kutter “ für Fang der einzelnen Spezies u = (u 1 , u 2 , u 3 ) für ein Zeitintervall von 20 Jahren, das folgendermaßen formuliert wird. J (u) = ∫ T 0 { 1130 · u 1 (t) · 1.5 · 250 · x1 (t) +460u 3 (t) · 6.4 · 250 · + 270 · u 10 6 2 (t) · 6.4 · 250 · x 3 (t) 1.3 · 10 − 5 · 250 3∑ · u 2 6 10 6 i (t) J (u) → max u 0 ≤ u 1 (t) + u 2 (t) + u 3 (t) ≤ 1900, 0 ≤ t ≤ 20, 0 ≤ u i (t) ≤ 900, 0 ≤ t ≤ 20, i = 1, 2, 3, mit Nebenbedingungen: i=1 ẋ 1 (t) = 0.4x 1 (t) · (1 − x 1 (t)) − 1.5 · 250 · u 1 (t) · x1(t) 10 6 −0.02 · x1(t)x 2 (t) − 0.02 · x1(t)x 3 (t) , 1.2 1.3 ( ẋ 2 (t) = 0.6x 2 (t) · 1 − x 2(t) 1.2 −0.0125 · x1(t)x 2 (t) ( ẋ 3 (t) = 0.6x 3 (t) · ) − 6.4 · 250 · u 2 (t) · − 0.01 · x2(t)x 3 (t) , 1.2 1.56 ) 1 − x 3(t) − 6.4 · 250 · u 1.3 3 (t) · −0.0125 · x1(t)x 3 (t) − 0.01 · x2(t)x 3 (t) 1.3 1.56 x 2 (t) 1.2·10 6 x 3 (t) 1.3·10 6 x 2 (t) 1.2 · 10 6 } e −0.06t dt (5.12) und Anfangswerten x 1 (0) = 0.25, x 2 (0) = 0.8, x 3 (0) = 1.0 und ohne Endbedingungen. Auf den Abbildungen 5.21,5.22,5.23 erhalten wir den entsprechenden Lösungsverlauf. 104

5.5. Ökologische Modelle mit nichtlinear auftretender Steuerung 140 Control 1 vs time 0.9 State 1 vs time 120 0.8 control 1 100 80 60 state 1 0.7 0.6 0.5 0.4 40 0.3 20 0 5 10 15 20 t 0.2 0 5 10 15 20 t Abbildung 5.21.: Dorsch. Optimale „Anzahl der Kutter“ (links) und die Populationsentwicklung (rechts) in Modellen mit quadratischen Kostenfunktionen 130 Control 2 vs time 0.92 State 2 vs time control 2 125 120 115 110 105 100 95 90 state 2 0.9 0.88 0.86 0.84 0.82 0.8 85 0 5 10 15 20 t 0.78 0 5 10 15 20 t Abbildung 5.22.: Hering. Optimale „Anzahl der Kutter“ (links) und die Populationsentwicklung (rechts) in Modellen mit quadratischen Kostenfunktionen 200 Control 3 vs time 1 State 3 vs time 190 0.98 control 3 180 170 160 150 state 3 0.96 0.94 0.92 0.9 0.88 140 0.86 130 0 5 10 15 20 t 0.84 0 5 10 15 20 t Abbildung 5.23.: Sprotte. Optimale „Anzahl der Kutter“ (links) und die Populationsentwicklung (rechts) in Modellen mit quadratischen Kostenfunktionen 105

5. Numerische Methoden für verschiedene Aufgaben der Optimalsteuerung<br />

250<br />

State 2 vs time<br />

200<br />

state 2<br />

150<br />

100<br />

50<br />

0<br />

0 5 10 15 20<br />

t<br />

Abbildung 5.20.: Eindimensionales Modell mit quadratisch auftretender Steuerung (Gewinn<br />

nach 20 Jahren)<br />

Nun suchen wir nach optimalen Steuerungen für das dreidimensionale Lotka-<br />

Volterra-Modell, bestehend aus Dorsch(x 1 ), Hering(x 2 ) und Sprotte(x 3 ) und „Anzahl<br />

der Kutter “ für Fang der einzelnen Spezies u = (u 1 , u 2 , u 3 ) für ein Zeitintervall von<br />

20 Jahren, das folgendermaßen formuliert wird.<br />

J (u) =<br />

∫ T<br />

0<br />

{<br />

1130 · u 1 (t) · 1.5 · 250 · x1 (t)<br />

+460u 3 (t) · 6.4 · 250 ·<br />

+ 270 · u<br />

10 6 2 (t) · 6.4 · 250 ·<br />

x 3 (t)<br />

1.3 · 10 − 5 · 250 3∑<br />

· u 2 6 10 6 i (t)<br />

J (u) → max<br />

u<br />

0 ≤ u 1 (t) + u 2 (t) + u 3 (t) ≤ 1900, 0 ≤ t ≤ 20,<br />

0 ≤ u i (t) ≤ 900, 0 ≤ t ≤ 20, i = 1, 2, 3,<br />

mit Nebenbedingungen:<br />

i=1<br />

ẋ 1 (t) = 0.4x 1 (t) · (1 − x 1 (t)) − 1.5 · 250 · u 1 (t) · x1(t)<br />

10 6<br />

−0.02 · x1(t)x 2 (t)<br />

− 0.02 · x1(t)x 3 (t)<br />

,<br />

1.2 1.3<br />

(<br />

ẋ 2 (t) = 0.6x 2 (t) ·<br />

1 − x 2(t)<br />

1.2<br />

−0.0125 · x1(t)x 2 (t)<br />

(<br />

ẋ 3 (t) = 0.6x 3 (t) ·<br />

)<br />

− 6.4 · 250 · u 2 (t) ·<br />

− 0.01 · x2(t)x 3 (t)<br />

,<br />

1.2 1.56<br />

)<br />

1 − x 3(t)<br />

− 6.4 · 250 · u<br />

1.3<br />

3 (t) ·<br />

−0.0125 · x1(t)x 3 (t)<br />

− 0.01 · x2(t)x 3 (t)<br />

1.3 1.56<br />

x 2 (t)<br />

1.2·10 6<br />

x 3 (t)<br />

1.3·10 6<br />

x 2 (t)<br />

1.2 · 10 6<br />

}<br />

e −0.06t dt<br />

(5.12)<br />

und Anfangswerten x 1 (0) = 0.25, x 2 (0) = 0.8, x 3 (0) = 1.0 und ohne<br />

Endbedingungen. Auf den Abbildungen 5.21,5.22,5.23 erhalten wir den<br />

entsprechenden Lösungsverlauf.<br />

104

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!