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
4. Grundlagen der Optimalsteuerung entstehen die Steuerungen u ∗ (t k ) + εv mit u ∗ (t k ) + εv ∈ Ω für v ∈ R m und für ein genügend kleines ε : 0 ≤ ε ≤ ¯ε. Nur solche Vektoren v kann man verwenden. Eine notwendige Bedingung für diese Aufgabe lautet in diesem Falle: ∫t k+1 t k H u (x ∗ (t), u ∗ (t k ), λ(t), t)vdt ≤ 0, für alle v ∈ R m , für welche u ∗ (t k ) + εv ∈ Ω und für alle k = 0, . . . , N − 1 . Ist Ω offen oder u ∗ (t k ) ∈ int Ω, so gilt ∫t k+1 t k H u (x ∗ (t), u ∗ (t k ), λ(t), t)dt = 0. Auch dieser Satz ist im Allgemeinen nur eine notwendige Bedingung. Sie kann benutzt werden, um die berechnete Lösung einer Aufgabe auf die Optimalität zu prüfen. 4.2. Existenz der Lösungen Eine der wichtigsten Fragen der Optimalsteuerungstheorie ist die Existenz der Lösungen. Es sei M ⊆ R n abgeschlossen und S(t) ⊆ R n für alle t auch abgeschlossen. Wir betrachten das Steuerproblem 4.1 mit den zusätzlichen Bedingungen: x(T ) ∈ M x(t) ∈ S(t), für alle t ∈ [t 0 , T ). (4.2) Für die Aufgaben mit messbaren Steuerfunktionen gilt der folgende Satz von Roxin und Filippov. Satz 4.2 Gegeben sei das Problem 4.1,4.2. Es seien folgende Bedingungen erfüllt: a) Die Menge {g(t, x, u), f(t, x, u)|u ∈ Ω} ⊆ R n+1 sei konvex. b) Der Steuerbereich Ω sei kompakt. c) Es existiere ein K ∈ R, so dass für alle t ∈ [t 0 , T ], x ∈ S(t), u ∈ Ω die Ungleichung |(x, f(t, x, u))| ≤ K · (|x| 2 + 1) gilt (dabei bedeutet (·, ·) das Skalarprodukt). d) Es existiere mindestens ein zulässiger Prozess. Dann gibt es auch eine globale (messbare) optimale Lösung. Wir beachten, dass die Voraussetzungen des Satzes 4.2 in den Modellen mit messbaren Funktionen, die in der Arbeit betrachtet werden, erfüllt sind. Damit wäre die Existenz einer optimalen Lösung gesichert. 52
4.3. Hinreichende Optimalitätsbedingungen 4.3. Hinreichende Optimalitätsbedingungen Wir betrachten unsere urspüngliche Aufgabe (4.1) zu vorgegeben (hinreichend glatten) Funktionen g, q, f. 4.3.1. Hinreichende Bedingungen nach Mangasarian Die hinreichenden Bedingungen nach Mangasarian basieren auf der Konkavität der Funktionen g, f und die etwas allgemeineren nach Arrow auf der Konkavität der bezüglich u maximierten Hamiltonfunktion H. Satz 4.3 Die im Maximumsprinzip (Satz 4.1) genannten Eigenschaften sind auch hinreichend für das globale Maximum von J, falls 1) die Funktionen g(t, x, u) und f(t, x, u) in (x, u) konkav für alle t ∈ [t 0 , T ] sind, 2) die adjungierten Variablen λ(t) für alle t ∈ [t 0 , T ] in allen Komponenten nichtnegativ sind, im Fall, dass f in x oder u nichtlinear ist. Ist f in x und u linear, dann entfällt die Vorzeichenbeschränkung für die Adjungierten. Einen Beweis dieses Satzes findet man in [26]. 4.3.2. Hinreichende Bedingungen nach Krotov In der Literatur findet man auch andere Formulierungen von hinreichenden Bedingungen für die Aufgaben mit stückweise stetigen Steuerungen. Von Interesse ist z.B. der Satz von Krotov, der uns ermöglicht, die Hinlänglichkeit etwas allgemeiner zu betrachten und einige Aussagen für die stückweise konstante Steuerfunktionen zu gewinnen. Wir betrachten unsere urspüngliche Aufgabe (4.1) der optimalen Steuerung und es seien (x(t), u(t)) ∈ L(t) ⊂ R n+m , ∀t ∈ [t 0 , T ]. Weiterhin sei C(t) := {x(t) : ∀u(t), (x(t), u(t)) ∈ L(t)} für alle t ∈ [t 0 , T ] eine Projektion der Menge L(t) auf R n . Sei K(t, x) eine (hinreichend glatte) Funktion von (n + 1) Variablen und sei R(t, x, u) wie folgt definiert: ( ∂K(t, x) R(t, x, u) = ∂x ∂K(t, x) ∂x = ) ∂K(t, x) , f(t, x, u) + + g(t, x, u), ∂t ( ) T ∂K(t, x) ∂K(t, x) ∂K(t, x) , , . . . , , ∂x 1 ∂x 2 ∂x n 53
- Seite 1 und 2: Anwendungen der Optimalsteuerung in
- Seite 3: »Nach unserer bisherigen Erfahrung
- Seite 6 und 7: Inhaltsverzeichnis 4. Grundlagen de
- Seite 8 und 9: Inhaltsverzeichnis 8
- Seite 10 und 11: Abbildungsverzeichnis 5.2. Stückwe
- Seite 12 und 13: Abbildungsverzeichnis 12
- Seite 14 und 15: 1. Einleitung Änderungen in den Me
- Seite 16 und 17: 1. Einleitung Abbildung 1.1.: Entwi
- Seite 18 und 19: 1. Einleitung verschiedene Vorgehen
- Seite 20 und 21: 2. Biologische, ökologische und wi
- Seite 22 und 23: 2. Biologische, ökologische und wi
- Seite 24 und 25: 2. Biologische, ökologische und wi
- Seite 26 und 27: 2. Biologische, ökologische und wi
- Seite 28 und 29: 2. Biologische, ökologische und wi
- Seite 30 und 31: 2. Biologische, ökologische und wi
- Seite 32 und 33: 2. Biologische, ökologische und wi
- Seite 34 und 35: 2. Biologische, ökologische und wi
- Seite 36 und 37: 2. Biologische, ökologische und wi
- Seite 38 und 39: 3. Mathematische Modelle in der Bio
- Seite 40 und 41: 3. Mathematische Modelle in der Bio
- Seite 42 und 43: 3. Mathematische Modelle in der Bio
- Seite 44 und 45: 3. Mathematische Modelle in der Bio
- Seite 46 und 47: 3. Mathematische Modelle in der Bio
- Seite 48 und 49: 3. Mathematische Modelle in der Bio
- Seite 50 und 51: 4. Grundlagen der Optimalsteuerung
- Seite 54 und 55: 4. Grundlagen der Optimalsteuerung
- 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
4.3. Hinreichende Optimalitätsbedingungen<br />
4.3. Hinreichende Optimalitätsbedingungen<br />
Wir betrachten unsere urspüngliche Aufgabe (4.1) zu vorgegeben (hinreichend glatten)<br />
Funktionen g, q, f.<br />
4.3.1. Hinreichende Bedingungen nach Mangasarian<br />
Die hinreichenden Bedingungen nach Mangasarian basieren auf der Konkavität der<br />
Funktionen g, f und die etwas allgemeineren nach Arrow auf der Konkavität der<br />
bezüglich u maximierten Hamiltonfunktion H.<br />
Satz 4.3 Die im Maximumsprinzip (Satz 4.1) genannten Eigenschaften sind auch<br />
hinreichend für das globale Maximum von J, falls<br />
1) die Funktionen g(t, x, u) und f(t, x, u) in (x, u) konkav für alle t ∈ [t 0 , T ] sind,<br />
2) die adjungierten Variablen λ(t) für alle t ∈ [t 0 , T ] in allen Komponenten<br />
nichtnegativ sind, im Fall, dass f in x oder u nichtlinear ist.<br />
Ist f in x und u linear, dann entfällt die Vorzeichenbeschränkung für die Adjungierten.<br />
Einen Beweis dieses Satzes findet man in [26].<br />
4.3.2. Hinreichende Bedingungen nach Krotov<br />
In der Literatur findet man auch andere Formulierungen von hinreichenden<br />
Bedingungen für die Aufgaben mit stückweise stetigen Steuerungen. Von Interesse ist<br />
z.B. der Satz von Krotov, der uns ermöglicht, die Hinlänglichkeit etwas allgemeiner<br />
zu betrachten und einige Aussagen für die stückweise konstante Steuerfunktionen zu<br />
gewinnen.<br />
Wir betrachten unsere urspüngliche Aufgabe (4.1) der optimalen Steuerung und es<br />
seien (x(t), u(t)) ∈ L(t) ⊂ R n+m , ∀t ∈ [t 0 , T ].<br />
Weiterhin sei C(t) := {x(t) : ∀u(t), (x(t), u(t)) ∈ L(t)} für alle t ∈ [t 0 , T ] eine<br />
Projektion der Menge L(t) auf R n .<br />
Sei K(t, x) eine (hinreichend glatte) Funktion von (n + 1) Variablen und sei R(t, x, u)<br />
wie folgt definiert:<br />
( ∂K(t, x)<br />
R(t, x, u) =<br />
∂x<br />
∂K(t, x)<br />
∂x<br />
=<br />
)<br />
∂K(t, x)<br />
, f(t, x, u) + + g(t, x, u),<br />
∂t<br />
( ) T ∂K(t, x) ∂K(t, x) ∂K(t, x)<br />
, , . . . , ,<br />
∂x 1 ∂x 2 ∂x n<br />
53