【应用数学】动态最优化（6）：确定性最优控制

最新推荐文章于 2023-07-24 22:55:39 发布

招财猫qwq

最新推荐文章于 2023-07-24 22:55:39 发布

阅读量456

点赞数

分类专栏：统计学习文章标签： latex

本文链接：https://blog.csdn.net/weixin_42711949/article/details/107704385

版权

这篇博客详细介绍了确定性最优控制理论，涵盖自由端点问题、固定边界问题、各种终点受约束情形、含代数约束的控制问题，并通过哈密顿方程和最优性条件进行解析，适合应用数学和动态最优化研究者阅读。

摘要由CSDN通过智能技术生成

200731本篇是应用数学之动态最优化理论的笔记，欢迎各位交流！今天是第六部分：确定性最优控制。

6. 确定性最优控制

定义哈密顿方程
$\lambda)=f(t, x, u)+\lambda g(t, x, u)$

6.1 自由端点问题

最优控制问题为
$\begin{aligned} \max \quad &\int_{t_{0}}^{t_{1}} f(t, x(t), u(t)) \mathrm{d} t\\ \text { s.t. } \quad &\dot{x}(t)=g(t, x(t), u(t))\\ \quad &x\left(t_{0}\right)=x_{0} \end{aligned}$

其中 $u (t)$ 为控制变量， $x (t)$ 为状态变量。最优化条件需要满足最优性条件（a）、欧拉方程（b）、可行性条件（c）、横截条件（d）和二阶条件（e），分别为
$\begin{array}{l} a. &H_{u}(t, x, u, \lambda)=f_{u}(t, x, u)+\lambda g_{u}(t, x, u)=0\\ b. &\frac{\mathrm{d} \lambda}{\mathrm{d} t}=-H_{x}(t, x, u, \lambda)=-f_{x}(t, x, u)-\lambda g_{x}(t, x, u)\\ c. &\frac{\mathrm{d} x}{\mathrm{d} t}=H_{\lambda}(t, x, u, \lambda)=g(t, x, u), x\left(t_{0}\right)=x_{0}\\ d. &\lambda\left(t_{1}\right)=0\\ e.&H_{u u}(t, x, u, \lambda) \leqslant 0 \quad （最大化问题）\\ &H_{u u}(t, x, u, \lambda) \geqslant 0 \quad （最小化问题） \end{array}$

若目标函数变为
$\int_{t_{0}}^{t_{1}} f(t, x(t), u(t)) \mathrm{d} t+\varphi\left(x\left(t_{1}\right)\right)$
只需将横截条件变为
$\lambda\left(t_{1}\right)=\varphi^{\prime}\left(x_{1}\right)$
若带贴现
$\int_{t_{0}}^{t_{1}} e^{-r t} f(t, x(t), u(t)) \mathrm{d} t+\varphi\left(x\left(t_{1}\right)\right)$
则哈密顿方程变为
$\lambda)=e^{-r t}[f(t, x, u)+\mu g(t, x, u)]=e^{-r t} \tilde{H} \quad, \mu=e^{r t} \lambda$
称为现值哈密顿方程
最优性条件和欧拉方程分别为
$\begin{array}{l} \tilde{H}_{u}=0 \\ \dot{\mu}=r \mu-\tilde{H}_{x} \end{array}$