运筹系列22：动态最优化问题

动态最优化问题常常被纳入最优控制的范畴，求解方法主要是变分法、动态规划方法。最近比较火的强化学习，基于的问题就是动态最优化问题。

1. 从静态最优化问题开始

在求解最优化问题时，如果使用了目标函数的导数，则称为解析法，否则称之为直接法。
首先看解析法。对于函数极值，一阶矩阵=0和二阶矩阵正定（或负定）即可。一阶矩阵=0常用牛顿迭代法去求，其核心是将曲线当做直线找0点，需要用到一阶导的导数，即二阶导；实际过程中常常用差分来代替二阶导；也可以用二分法逐步逼近一阶导函数的零点。
然后看直接法，只适用于单峰的方法。一般方式就是逐步缩小探索空间。详细可参考https://blog.csdn.net/hemeinvyiqiluoben/article/details/79830597
关于带约束的问题，有两类方法，一种是将约束加到目标函数上去进行求解，比如拉格朗日法、罚函数（内点、外点法）；还有一种是在约束范围内进行逐步探索，比如求解线性规划的单纯形法，求解整数规划的分支定界、割平面法等。
动态最优化问题最常见于控制系统中，常常采用一阶微分方程组来描述系统的运动规律。这里定义一下数学符号，常用$x$表示状态，$u$表示控制，$J$表示性能指标，是状态轨线（状态的变分）和容许轨线（控制的变分）的一个泛函。
处理动态最优化主要有两种方法，一种是动态规划方法，一种就是这里要介绍的基于变分法的最优控制理论。动态规划方法常用于离散时间问题，对于连续时间问题求解动态规划需要用到偏微分方程，因此常常改用变分法。

2 变分法：欧拉方程

一个经典的变分问题可以表示为：$\min J[y]={\int }_0^{T}F[t,y(t),y^{\prime }(t)]dt$，s.t. $y(0)=0$; $y(T)=Z$。这个问题和经典积分问题的主要差别在于处理的是$J$关于$y$的变分，而不是$x$的微分。变分问题的一个最重要结论是欧拉方程：
$F_{y^{\prime }{y}^{\prime }}{y}^{\prime \prime }(t)+F_{y{y}^{\prime }}{y}^{\prime }(t)+F_{t{y}^{\prime }}=F_y$
这么重要的公式，我们来推导一下：

令$J[y^{\ast }]=\min J[y]$，扰动函数为$p(t)$，扰动变量为$ϵ$
$J(ϵ)={\int }_0^{T}F[t,y^{\ast }+ϵp(t),y^{\prime \ast }(t)+ϵp^{\prime }(t)]dt$
$\frac{dJ}{dϵ}={\int }_0^T{F}_{y}p(t)dt+{\int }_0^T{F}_{y^{\prime }}{p}^{\prime }(t)dt$
$={\int }_0^T{F}_{y}p(t)dt+F_{y^{\prime }}p(t){|}_0^T-{\int }_0^{T}p(t)\frac{d{F}_{y^{\prime }}}{dt}dt$
$={\int }_0^{T}p(t)[F_y-\frac{d{F}_{y^{\prime }}}{dt}]dt$

由于$p(t)$是任意扰动，因此有$F_y-\frac{d{F}_{y^{\prime }}}{dt}=0$。记住后面$\frac{d{F}_{y^{\prime }}}{dt}$求导需要用全导数公式，展开为3项偏导数的和。
作为推广的欧拉-泊松方程：$F_y-\frac{d{F}_{y^{\prime }}}{dt}+...+(-1{)}^n\frac{d^n(F_{y^{(n)}})}{d{t}^n}=0$

下面举个例子：
$J[y]={\int }_0^2(12ty+y^{\prime 2})dt$
边界条件为$y(0)=0,y(2)=8$。
求解：
$F=12ty+y^{\prime 2}$，$F_y=12t$，$F_{y^{\prime }}=2y^{\prime }$
$\frac{d{F}_{y^{\prime }}}{dt}=\frac{\partial F_{y^{\prime }}}{\partial t}+\frac{\partial F_{y^{\prime }}}{\partial y}\frac{\partial y}{\partial t}+\frac{\partial F_{y^{\prime }}}{\partial y^{\prime }}\frac{\partial y^{\prime }}{\partial t}=0+0\ast y^{\prime }+2\ast y^{\prime \prime }(t)=12t$
即$y^{\prime \prime }(t)=6t$，$y(t)=t^3+c_{1}t+c_2$，加上边界条件，得到$y(t)=t^3$

3. 最优控制：最大值原理

在最优控制理论中，我们将$y$用$x$代替，$y^{\prime }$用$u$代替，$x$和$u$之间的关系用一个微分式表达$dx/dt=f[t,x(t),u(t)]$，可以看做是状态转移方程。这样，我们的关注点从最优状态轨线变为了最优控制轨线。问题变为：
$\max J={\int }_0^{T}F(t,y,u)dt$
$y^{\prime }=f(t,y,u)$（相当于状态转移方程）
$y(0)=A$（可有可无，终点的状态也是可有可无）

定义汉密尔顿函数$H(t,y,u,\lambda )=F(t,y,u)+\lambda (t)f(t,y,u)$，其中$\lambda$称为共积函数。这个表达式和静态最优化问题中的拉格朗日函数非常像。最优控制理论中的最重要结论称为最大值原理（状态转移方程类似于等式约束条件，而最大值原理相当于静态最优化问题中的KKT条件）：
$H(t,y,u^{\ast },\lambda )\ge H(t,y,u,\lambda )$（相当于定常方程，注意H一阶的时候极值在端点取到）
$y^{\prime }=\frac{\partial H}{\partial \lambda }$ （$y$运动方程，相当于原始可行）
${\lambda }^{\prime }=-\frac{\partial H}{\partial y}$ （$\lambda$运动方程，相当于对偶可行）
$\lambda (T)=0$（T固定时的横截条件）
如果是一个水平终结线（$y_T$固定），那么横截条件变为$H_T=0$
如果是一个截断水平终结线（$y_T$固定，$T\le T_{\max }$），那么横截条件变为$H_T\ge 0$，$H_T(T-T_{\max })=0$（类似于互补剩余）

最大值原理的证明非常复杂，这里仅仅表述一下它的直观意义：
将状态转移方程添加到目标函数中，得到$V={\int }_0^{T}Fdt+{\int }_0^T\lambda [f-y^{\prime }]dt={\int }_0^T(H+y{\lambda }^{\prime })dt-(\lambda y){|}_0^T$
V对$u$求偏导可以得到定常方程。
V对$y$求偏导可以得到对偶可行方程。
V对$y_T$或是$T$求偏导可以得到横截条件。

下面举个例子：
$\max J[y,u]={\int }_0^2-(1+u^2{)}^{1/2}dt$
$y^{\prime }=u$
边界条件为$y(0)=A$。
求解：
$H=-(1+u^2{)}^{1/2}+\lambda u$
$\frac{{\partial }^{2}H}{\partial u^2}=-(1+u^2{)}^{-3/2}<0$，因此可以求最大化问题。
$\frac{\partial H}{\partial u}=0$得到$u=\lambda (1-{\lambda }^2{)}^{-1/2}$
${\lambda }^{\prime }=-\frac{\partial H}{\partial y}=0$和$\lambda (T)=0$，得到$\lambda$，$u$都是常数0，$y$等于常数$A$。
即什么控制都不做，路径$y$一直保持初始状态不变。