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
5. Numerische Methoden für verschiedene Aufgaben der Optimalsteuerung Eine quadratische Abhängigkeit der Steuerung ist hier nur eine theoretische Annahme und liefert einen mathematisch interessanten Lösungsverlauf. Andere in u nichtlineare Modelle, z.B. mit dem Kostenterm c · ln u 1 (t) oder c · √u 1 (t) sind mathematisch nicht so interessant, da die mit den in der Fischerei üblichen Koeffizienten erzeugten optimalen Steuerungen nicht in einem realistischen Intervall liegen, so dass für ein beschränktes Steuerintervall häufig wieder eine Bang- Bang-Struktur entstehen kann. Dies kann man beispielsweise an dem folgenden logarithmischen Modell sehen: Zu maximieren sei das Zielfunktional J (u) = ∫ T 0 { } p 1 u 1 (t)x 1 (t) − c · ln u 1 (t) e −δt dt → max u 0 ≤ u 1 (t) ≤ u max , 0 ≤ t ≤ T, (5.13) mit der üblichen Nebenbedingung: ( ẋ 1 (t) = ε 1 x 1 (t) · 1 − x ) 1(t) − s 1 u 1 (t)x 1 (t), K 1 x 1 (0) = x 10 , (5.14) mit gegebenen p 1 , c, ε 1 , K 1 , δ, s 1 , dem Anfangswert x 1 (0) = x 10 und ohne Endbedingungen. Die Hamiltonfunktion lautet: H(x 1 , u 1 , λ 1 , t) = {p 1 u 1 x 1 − c · ln u 1 }e −δt + λ 1 ( ε 1 x 1 · ( 1 − x 1 K 1 ) − s 1 u 1 x 1 ). Hier wählen wir die Konstanten so, dass eine optimale Steuerung im Inneren des Steuerintervalls angenommen wird. Daher ergibt sich u ∗ 1(t) = arg max H(x ∗ 0≤u 1 ≤u max 1, u 1 , λ 1 , t) = Löst man das entsprechende Randwertproblem: c , für fast alle t. x ∗ 1(t)(p 1 − λ 1 (t)s 1 e δt ) −p 1 ce ˙λ −δt 1 (t) = 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 + K 1 x ∗ 1(t)(p 1 − λ 1 (t)s 1 e δt ) , ( ) ẋ ∗ 1(t) = ε 1 x ∗ 1(t) · 1 − x∗ 1(t) cs 1 − K 1 p 1 − λ 1 (t)s 1 e , δt x ∗ 1(0) = x 10 , λ 1 (T ) = 0, so erhält man mit gegebenen Konstanten eine optimale Steuerung u ∗ 1(0) ≈ 0.012 und sie strebt nach Null mit wachsenden t (Programme C.5). Die Tatsache lässt sich leicht erklären: ln(u ∗ 1(t)) würde nach minus Unendlich streben, falls u ∗ 1(t) gegen 0 geht, das heißt, das Zielfunktional würde in diesem Modell stark wachsen, aber diese Lösung ist aus praktischen Gründen nicht besonders interessant, da es überhaupt keinen Fang gäbe. 106
5.5. Ökologische Modelle mit nichtlinear auftretender Steuerung 12 x 10−3 Randwertproblem 11 10 9 8 u(t) 7 6 5 4 3 2 0 2 4 6 8 10 12 14 16 18 20 t Abbildung 5.24.: Optimale Steuerung in einem Modell mit logarithmisch auftretender Steuerung 5.5.2. Modelle mit stückweise konstanten Steuerungen Jetzt betrachten wir zunächst die eindimensionale quadratische Aufgabe (5.11) und suchen eine stückweise konstante Lösung. Das Modell wird für den Fall stückweise konstanter Steuerungen auf n Intervallen einer fixierten Länge folgendermaßen umgeschrieben: ẋ 1 (t) = 0.4x 1 (t) · (1 − x 1 (t)) − J(⃗v) = x 1 (0) = x 10 = 0.25, u 1 (·) stückweise konstant: 1.5 · 250 10 6 · u 1 (t k )x 1 (t), k = 0, 1, . . . , n − 1; u 1 (t) = (u 1 (t 0 ), u 1 (t 1 ), . . . , u 1 (t n−1 )) = (v 0 , v 1 , . . . , v n−1 ) = ⃗v, 0 ≤ v i ≤ 900, i = 0, . . . , n − 1, 0 ≤ t ≤ 20, ∑n−1 k=0 ∫t k+1 t k { 1130 · 1.5 · 250 10 6 · v k (t)x 1 (t) − 5 · 250 10 6 · v 2 k (t) t n = T = 20, t i = i, i = 0, . . . , 19 und ohne Endbedingungen. } e −0.06t dt → max, ⃗v Die Hamilton-Funktion für diese Aufgabe lautet: { ( ( H(x 1 , u 1 , λ 1 , t) = p 1 u 1 x 1 − c · u 2 1 }e −δt + λ 1 ε 1 x 1 · 1 − x ) 1 − s 1 u 1 x 1 ). K 1 (5.15) Dieses Modell wurde mit dem Programm OC-ODE von Gerdts zunächst für n = 20 (d.h., die Anzahl der Kutter ändert sich jedes Jahr einmal) gelöst. Wir erhalten die 107
- Seite 56 und 57: 4. Grundlagen der Optimalsteuerung
- Seite 58 und 59: 4. Grundlagen der Optimalsteuerung
- Seite 60 und 61: 4. Grundlagen der Optimalsteuerung
- Seite 62 und 63: 4. Grundlagen der Optimalsteuerung
- Seite 64 und 65: 4. Grundlagen der Optimalsteuerung
- Seite 66 und 67: 4. Grundlagen der Optimalsteuerung
- Seite 68 und 69: 4. Grundlagen der Optimalsteuerung
- Seite 70 und 71: 4. Grundlagen der Optimalsteuerung
- Seite 72 und 73: 4. Grundlagen der Optimalsteuerung
- Seite 74 und 75: 4. Grundlagen der Optimalsteuerung
- Seite 76 und 77: 4. Grundlagen der Optimalsteuerung
- Seite 78 und 79: 4. Grundlagen der Optimalsteuerung
- Seite 80 und 81: 4. Grundlagen der Optimalsteuerung
- Seite 82 und 83: 4. Grundlagen der Optimalsteuerung
- Seite 84 und 85: 5. Numerische Methoden für verschi
- Seite 86 und 87: 5. Numerische Methoden für verschi
- Seite 88 und 89: 5. Numerische Methoden für verschi
- Seite 90 und 91: 5. Numerische Methoden für verschi
- Seite 92 und 93: 5. Numerische Methoden für verschi
- Seite 94 und 95: 5. Numerische Methoden für verschi
- Seite 96 und 97: 5. Numerische Methoden für verschi
- Seite 98 und 99: 5. Numerische Methoden für verschi
- Seite 100 und 101: 5. Numerische Methoden für verschi
- Seite 102 und 103: 5. Numerische Methoden für verschi
- Seite 104 und 105: 5. Numerische Methoden für verschi
- Seite 108 und 109: 5. Numerische Methoden für verschi
- Seite 110 und 111: 5. Numerische Methoden für verschi
- Seite 112 und 113: 5. Numerische Methoden für verschi
- Seite 114 und 115: 5. Numerische Methoden für verschi
- Seite 116 und 117: 6. Zusammenfassung und Ausblick in
- Seite 118 und 119: 6. Zusammenfassung und Ausblick die
- Seite 120 und 121: Literaturverzeichnis [15] M. Herman
- Seite 122 und 123: Literaturverzeichnis [54] http://ww
- Seite 125 und 126: ANHANG A DIRCOL A.1. Programm 1. Ha
- Seite 127 und 128: A.1. Programm 1. Hauptprogramm user
- Seite 129 und 130: A.1. Programm 1. Hauptprogramm user
- Seite 131 und 132: A.2. Programm 2. Programm DATDIM *
- Seite 133 und 134: A.3. Programm 3. Programm DATLIM 0
- Seite 135 und 136: A.3. Programm 3. Programm DATLIM *
- Seite 137 und 138: ANHANG B OC-ODE B.1. Programm 1. Be
- Seite 139 und 140: B.1. Programm 1. Berechnung mit st
- Seite 141 und 142: B.1. Programm 1. Berechnung mit st
- Seite 143 und 144: B.1. Programm 1. Berechnung mit st
- Seite 145 und 146: ANHANG C MATLAB-Programme C.1. Prog
- Seite 147 und 148: C.2. Programm 2. Berechnung der Adj
- Seite 149 und 150: C.4. Programm 4. Das Integral-Maxim
- Seite 151 und 152: C.6. Programm 6. Newton-Methode fü
- Seite 153 und 154: Danksagung An dieser Stelle möchte
- Seite 155: Versicherung Hiermit erkläre ich,
5.5. Ökologische Modelle mit nichtlinear auftretender Steuerung<br />
12 x 10−3 Randwertproblem<br />
11<br />
10<br />
9<br />
8<br />
u(t)<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
0 2 4 6 8 10 12 14 16 18 20<br />
t<br />
Abbildung 5.24.: Optimale Steuerung in einem Modell mit logarithmisch auftretender<br />
Steuerung<br />
5.5.2. Modelle mit stückweise konstanten Steuerungen<br />
Jetzt betrachten wir zunächst die eindimensionale quadratische Aufgabe (5.11) und<br />
suchen eine stückweise konstante Lösung. Das Modell wird für den Fall stückweise<br />
konstanter Steuerungen auf n Intervallen einer fixierten Länge folgendermaßen<br />
umgeschrieben:<br />
ẋ 1 (t) = 0.4x 1 (t) · (1 − x 1 (t)) −<br />
J(⃗v) =<br />
x 1 (0) = x 10 = 0.25,<br />
u 1 (·) stückweise konstant:<br />
1.5 · 250<br />
10 6 · u 1 (t k )x 1 (t), k = 0, 1, . . . , n − 1;<br />
u 1 (t) = (u 1 (t 0 ), u 1 (t 1 ), . . . , u 1 (t n−1 )) = (v 0 , v 1 , . . . , v n−1 ) = ⃗v,<br />
0 ≤ v i ≤ 900, i = 0, . . . , n − 1, 0 ≤ t ≤ 20,<br />
∑n−1<br />
k=0<br />
∫t k+1<br />
t k<br />
{ 1130 · 1.5 · 250<br />
10 6 · v k (t)x 1 (t) − 5 · 250<br />
10 6 · v 2 k (t)<br />
t n = T = 20, t i = i, i = 0, . . . , 19<br />
und ohne Endbedingungen.<br />
}<br />
e −0.06t dt → max,<br />
⃗v<br />
Die Hamilton-Funktion für diese Aufgabe lautet:<br />
{<br />
( (<br />
H(x 1 , u 1 , λ 1 , t) = p 1 u 1 x 1 − c · u 2 1<br />
}e −δt + λ 1 ε 1 x 1 · 1 − x )<br />
1<br />
− s 1 u 1 x 1<br />
).<br />
K 1<br />
(5.15)<br />
Dieses Modell wurde mit dem Programm OC-ODE von Gerdts zunächst für n = 20<br />
(d.h., die Anzahl der Kutter ändert sich jedes Jahr einmal) gelöst. Wir erhalten die<br />
107