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 Zusammen mit der adjungierten Gleichungen ˙λ = −H x erhalten wir: δJ ≥ q x (x ∗ (T ))(x ∗ (T ) − x(T )) + ∫ T t 0 (H x (x ∗ (t), u ∗ (t), λ(t), t)(x ∗ (t) − x(t)) − λ(t)(ẋ ∗ (t) − ẋ(t))) dt = q x (x ∗ (T ))(x ∗ (T ) − x(T )) − = q x (x ∗ (T ))(x ∗ (T ) − x(T )) − ∫ T t 0 ∫ T t 0 ( ) ˙λ(t)(x ∗ (t) − x(t)) + λ(t)(ẋ ∗ (t) − ẋ(t)) dt ( ) d dt [λ(t)(x∗ (t) − x(t))] dt = q x (x ∗ (T ))(x ∗ (T ) − x(T )) − [λ(t)(x ∗ (t) − x(t))] T t 0 = q x (x ∗ (T ))(x ∗ (T ) − x(T )) − λ(t 0 )[x ∗ (T ) − x(T )] + λ(T )[x ∗ (T ) − x(T )]. Beachtet man die Transversalitätsbedingung sowie x(t 0 ) = x ∗ (t 0 ) gilt, folgt unmittelbar: δJ ≥ q x (x ∗ (T ))(x ∗ (T ) − x(T )) − λ(t 0 )[x ∗ (t 0 ) − x(t 0 )] + λ(T )[x ∗ (T ) − x(T )] = q x (x ∗ (T ))(x ∗ (T ) − x(T )) − q x (x ∗ (T ))(x ∗ (T ) − x(T )) = 0. 4.4. Untersuchung eines konkreten Modells Im Artikel [39] suchten wir nach optimalen Steuerungen für das konkrete Lotka- Volterra-Modell, bestehend aus Dorsch(x 1 ), Hering(x 2 ) und Sprotte(x 3 ) für ein Zeitintervall von 20 Jahren. u 1 ist die Anzahl der Dorschkutter im entsprechenden Jahr. u 2 und u 3 sind die Anzahl der Kutter, die den Heringsfang bzw. den Sprottenfang leisten. Dies kann z.B. durch Verwenden unterschiedlicher Fangmethoden erfolgen (z.B. gleiche Kutter, aber andere Fangmethoden bzw. Netze). Die Daten für das gegenwärtige 0.Jahr basieren auf dem Stand dieser Fischbestände in der Ostsee (vgl. Döring, 2000). 56
4.4. Untersuchung eines konkreten Modells Das Modell (mit stückweise stetigen oder stückweise konstanten Steuerungen) ist: J (u) = ∫ T 0 { 1130 · u 1 (t) · 1.5 · 250 · x1(t) + 270 · u 1 2 (t) · 6.4 · 250 · x2(t) 1.2 +460u 3 (t) · 6.4 · 250 · x3(t) 1.3 − 500 · 250 · 3∑ J (u) → max u 0 ≤ u 1 (t) + u 2 (t) + u 3 (t) ≤ 1900, 0 ≤ t ≤ 20, u = (u 1 , u 2 , u 3 ) i=1 u i (t) } e −0.06t dt (4.5) mit Nebenbedingungen (ODE): 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) 1.3 − 0.01 · x2(t)x 3 (t) 1.56 , x 2 (t) 1.2·10 6 x 3 (t) 1.3·10 6 und Anfangswerten x 1 (0) = 0.25, x 2 (0) = 0.8, x 3 (0) = 1.0 und Endbedingungen x 1 (20) = 0.5792, x 2 (20) = 0.7076, x 3 (20) = 0.692. Dazu haben wir mittels direkter Verfahren (sie werden im nächsten Kapitel besprochen) eine optimale Lösung berechnet. Optimale Fangstrategien haben folgende Gestalt (s. Abbildungen 4.1, 4.2, 4.3). 57
- 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 52 und 53: 4. Grundlagen der Optimalsteuerung
- Seite 54 und 55: 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
4. Grundlagen der Optimalsteuerung<br />
Zusammen mit der adjungierten Gleichungen ˙λ = −H x erhalten wir:<br />
δJ ≥ q x (x ∗ (T ))(x ∗ (T ) − x(T ))<br />
+<br />
∫ T<br />
t 0<br />
(H x (x ∗ (t), u ∗ (t), λ(t), t)(x ∗ (t) − x(t)) − λ(t)(ẋ ∗ (t) − ẋ(t))) dt<br />
= q x (x ∗ (T ))(x ∗ (T ) − x(T )) −<br />
= q x (x ∗ (T ))(x ∗ (T ) − x(T )) −<br />
∫ T<br />
t 0<br />
∫ T<br />
t 0<br />
( )<br />
˙λ(t)(x ∗ (t) − x(t)) + λ(t)(ẋ ∗ (t) − ẋ(t)) dt<br />
( )<br />
d<br />
dt [λ(t)(x∗ (t) − x(t))] dt<br />
= q x (x ∗ (T ))(x ∗ (T ) − x(T )) − [λ(t)(x ∗ (t) − x(t))] T t 0<br />
= q x (x ∗ (T ))(x ∗ (T ) − x(T )) − λ(t 0 )[x ∗ (T ) − x(T )] + λ(T )[x ∗ (T ) − x(T )].<br />
Beachtet man die Transversalitätsbedingung sowie x(t 0 ) = x ∗ (t 0 ) gilt, folgt<br />
unmittelbar:<br />
δJ ≥ q x (x ∗ (T ))(x ∗ (T ) − x(T )) − λ(t 0 )[x ∗ (t 0 ) − x(t 0 )] + λ(T )[x ∗ (T ) − x(T )]<br />
= q x (x ∗ (T ))(x ∗ (T ) − x(T )) − q x (x ∗ (T ))(x ∗ (T ) − x(T )) = 0.<br />
4.4. Untersuchung eines konkreten Modells<br />
Im Artikel [39] suchten wir nach optimalen Steuerungen für das konkrete Lotka-<br />
Volterra-Modell, bestehend aus Dorsch(x 1 ), Hering(x 2 ) und Sprotte(x 3 ) für ein<br />
Zeitintervall von 20 Jahren. u 1 ist die Anzahl der Dorschkutter im entsprechenden<br />
Jahr. u 2 und u 3 sind die Anzahl der Kutter, die den Heringsfang bzw. den Sprottenfang<br />
leisten. Dies kann z.B. durch Verwenden unterschiedlicher Fangmethoden erfolgen<br />
(z.B. gleiche Kutter, aber andere Fangmethoden bzw. Netze). Die Daten für das<br />
gegenwärtige 0.Jahr basieren auf dem Stand dieser Fischbestände in der Ostsee (vgl.<br />
Döring, 2000).<br />
56