matlab求limx0ctg（x）,matlab--算法大全--第18章_变分法模型.pdf

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