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
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5. Numerische Methoden für verschiedene Aufgaben der Optimalsteuerung<br />
Eine quadratische Abhängigkeit der Steuerung ist hier nur eine theoretische<br />
Annahme und liefert einen mathematisch interessanten Lösungsverlauf. Andere in<br />
u nichtlineare Modelle, z.B. mit dem Kostenterm c · ln u 1 (t) oder c · √u<br />
1 (t)<br />
sind mathematisch nicht so interessant, da die mit den in der Fischerei üblichen<br />
Koeffizienten erzeugten optimalen Steuerungen nicht in einem realistischen Intervall<br />
liegen, so dass für ein beschränktes Steuerintervall häufig wieder eine Bang-<br />
Bang-Struktur entstehen kann. Dies kann man beispielsweise an dem folgenden<br />
logarithmischen Modell sehen:<br />
Zu maximieren sei das Zielfunktional<br />
J (u) =<br />
∫ T<br />
0<br />
{<br />
}<br />
p 1 u 1 (t)x 1 (t) − c · ln u 1 (t) e −δt dt → max<br />
u<br />
0 ≤ u 1 (t) ≤ u max , 0 ≤ t ≤ T,<br />
(5.13)<br />
mit der üblichen Nebenbedingung:<br />
(<br />
ẋ 1 (t) = ε 1 x 1 (t) · 1 − x )<br />
1(t)<br />
− s 1 u 1 (t)x 1 (t),<br />
K 1<br />
x 1 (0) = x 10 , (5.14)<br />
mit gegebenen p 1 , c, ε 1 , K 1 , δ, s 1 , dem Anfangswert x 1 (0) = x 10 und ohne<br />
Endbedingungen.<br />
Die Hamiltonfunktion lautet:<br />
H(x 1 , u 1 , λ 1 , t) =<br />
{p 1 u 1 x 1 − c · ln u 1<br />
}e −δt + λ 1<br />
(<br />
ε 1 x 1 ·<br />
(<br />
1 − x 1<br />
K 1<br />
)<br />
− s 1 u 1 x 1<br />
).<br />
Hier wählen wir die Konstanten so, dass eine optimale Steuerung im Inneren des<br />
Steuerintervalls angenommen wird. Daher ergibt sich<br />
u ∗ 1(t) = arg max H(x ∗<br />
0≤u 1 ≤u max<br />
1, u 1 , λ 1 , t) =<br />
Löst man das entsprechende Randwertproblem:<br />
c<br />
, für fast alle t.<br />
x ∗ 1(t)(p 1 − λ 1 (t)s 1 e δt )<br />
−p 1 ce<br />
˙λ −δt<br />
1 (t) =<br />
x ∗ 1(t)(p 1 − λ 1 (t)s 1 e δt ) − ε 1λ 1 (t) + 2ε 1 λ 1 (t) x∗ 1(t) s 1 λ 1 (t)c<br />
+<br />
K 1 x ∗ 1(t)(p 1 − λ 1 (t)s 1 e δt ) ,<br />
( )<br />
ẋ ∗ 1(t) = ε 1 x ∗ 1(t) · 1 − x∗ 1(t) cs 1<br />
−<br />
K 1 p 1 − λ 1 (t)s 1 e , δt<br />
x ∗ 1(0) = x 10 , λ 1 (T ) = 0,<br />
so erhält man mit gegebenen Konstanten eine optimale Steuerung u ∗ 1(0) ≈ 0.012 und<br />
sie strebt nach Null mit wachsenden t (Programme C.5). Die Tatsache lässt sich leicht<br />
erklären: ln(u ∗ 1(t)) würde nach minus Unendlich streben, falls u ∗ 1(t) gegen 0 geht, das<br />
heißt, das Zielfunktional würde in diesem Modell stark wachsen, aber diese Lösung<br />
ist aus praktischen Gründen nicht besonders interessant, da es überhaupt keinen Fang<br />
gäbe.<br />
106