第十八章 动态优化模型
动态过程的另一类问题是所谓的动态优化问题,这类问题一般要归结为求最优控制
函数使某个泛函达到极值。当控制函数可以事先确定为某种特殊的函数形式时,问题又
简化为求普通函数的极值。求解泛函极值问题的方法主要有变分法和最优控制理论方
法。
§1 变分法简介
变分法是研究泛函极值问题的一种经典数学方法,有着广泛的应用。下面先介绍变
分法的基本概念和基本结果,然后介绍动态系统最优控制问题求解的必要条件和最大值
原理。
1.1 变分法的基本概念
1.1.1 泛函
设S 为一函数集合,若对于每一个函数x (t) ∈S 有一个实数J 与之对应,则称J 是
对应在S 上的泛函,记作J (x (t)) 。S 称为J 的容许函数集。
通俗地说,泛函就是“函数的函数”。
例如对于xy 平面上过定点 A(x ,y ) 和B (x ,y ) 的每一条光滑曲线y (x ) ,绕x 轴
1 1 2 2
旋转得一旋转体,旋转体的侧面积是曲线y (x ) 的泛函J (y (x )) 。由微积分知识不难写
出
x 2 2
J (y (x )) ∫x 2πy (x ) 1+y ' (x ) dx (1)
1
容许函数集可表示为
1
S {y (x) | y (x) ∈C [x , x ], y (x ) y , y (x ) y } (2 )
1 2 1 1 2 2
最简单的一类泛函表为
t2 &
J (x (t)) ∫t F (t,x ,x )dt (3 )
1
被积函数 &
F 包含自变量t ,未知函数x 及导数x 。(1)式是最简泛函。
1.1.2 泛函的极值
泛函 J (x (t)) 在 x 0 (t) ∈S 取得极小值是指,对于任意一个与 x0 (t) 接近的
x (t) ∈S ,都有J (x (t)) ≥J (x0 (t)) 。所谓接近,可以用距离d (x (t), x0 (t))
而距离定义为
& &
d (x (t), x 0 (t)) max {|x (t) −x0 (t) |,| x (t) −x 0 (t) |}
t ≤t ≤t
1 2
泛函的极大值可以类似地定义。x0 (t) 称为泛函的极值函数或极值曲线。
1.1.3 泛函的变分
如同函数的微分是增量的线性主部一样,泛函的变分是泛函增量的线性主部。作为
泛函的自变量,函数x (t) 在x0 (t) 的增量记为
δx (t) x (t) −x0 (t)
也称函数的变分。由它引起的泛函的增量记作
ΔJ J (x0 (t) +δx (t)) −J (x 0 (t))
如果ΔJ 可以表为
-218-
ΔJ L(x (t),δx (t)) +r(x (t),δx (t))
0 0