Professional Documents
Culture Documents
- note de curs -
Obiectul optimizrii
|
i
z
z
Obiectul optimizrii
|
Obiectul optimizrii
|
cheltuielile totale
consumul de combustibil sau energie
eroarea de funcionare
timpul de rspuns
distana parcurs etc.
Obiectul optimizrii
|
Formularea problemelor de
optimizare staionar
|
|
|
x1 0, x 2 0,
x 3 0.
z
z
z
z
z
z
z
z
CI = A ci ra ,
CT - cheltuieli totale
CI - cheltuieli de investiii
CO cheltuieli de operare
(energia termic pierdut)
ra - rata anual de amortizare
A - suprafaa izolaiei
grosimea izolaiei
densitatea materialului
ci costul unitii de mas a
materialului izolant
z
z
z
z
A ( c e )
,
CO = Qhc t , Q =
/ + 1/
Q - cldura pierdut
h - este numrul de ore mediu anual de
funcionare a instalaiei
ct - costul
unitar al energiei termice
c
e
/
- temperaturile medii considerate
pentru interiorul / exteriorul instalaiei
- conductivitatea termic a materialului
- coeficientul parial de transfer al
stratului limit de aer
L
U = RI cos = I cos U a ,
S
z
L
P = RI 2 = I 2 Pa
S
Vectorul x (t) poate s fie precizat sau nu la cele dou capete (la
t0 i la tf).
Formularea problemelor de
conducere optimal
|
Indicele de performan:
tf
|
|
I = 1 + (dy / dx) 2 dx
x0
S se maximizeze
x1
A = y(x)dx
x0
x1
cu condiia izoperimetric
2
1 + (dy / dx) dx = A
x0
i condiiile de capt
z
y(x 0 ) = y0 , y(x1 ) = y1
Problema brahistocronei
z
x1
ds
1
1 + (dy / dx)
=
dx.
2g x 0
y
s0 v
T=
v 2 v02 = 2g(y y0 ),
2g = 2gy0 v02
1 + (dy / dx) 2
I=
dx
y
x0
(t) = m(t)
Ecuaia de micare (pentru cuplu rezistent nul): J
(1)
(2)
J / m max = x, m / m max = u
x(t)
= u(t), x(0) = x 0 = J0 / m max
(3)
(4)
= f (t)
Ecuaia sistemului: mx(t)
(1)
(2)
(3)
(4)
u(t) 1
(5)
Mrimi normalizate:
m = M / M N , = t / TN , unde TN = J N / M N
i = d() / d + m
(1)
(2)
(3)
(4)
(5)
2
w
=
i
Energia disipat normalizat pe intervalul [0, T]:
( )d
T
0
(6)
Tehnici de optimizare
- note de curs -
OPTIMIZAREA
STAIONAR
f :Rn R
funcia obiectiv
hi : R n R, i = 1,...,l
g i : R n R, i = 1,..., m
|
|
programarea convex
programarea ptratic
programarea geometric
x
x1
|
|
|
|
|
|
|
3
x2 x
x4
x5
x6
x7
9
x8 x
f(x)=c1
f(x)=c2
x1
1
f(x) = f(x ) + (x x ) f(x ) + (x x0 )T H(x0 )(x x0 ) + e(x, x0 ) x x0
2
0
z
z
0 T
f x1
f (x)
f ( x) =
= # ;
x
f x n
z
2f
2
x
2
f (x)
"
=
H (x) =
2
x
2f
x n x 1
""
""
""
2f
x1x n
"
2
f
2
x n
notm
x x 0 = h,
cu
h R n , || h ||2 = 1
2
h , H ( x ) h + e( x 0 , h ) 2
f (x + h ) = f (x) + h, f (x) +
2
z
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
Convergena
z
z
ln f (x k )
dac f(x*) = 0: = lim
k ln f (x k +1 )
ln[f (x k ) f (x * )]
dac f(x*) 0: = lim
k ln[f (x k +1 ) f (x * )]
z
z
z
fiabilitatea
robusteea - evitarea excepiilor aritmetice i minimizarea erorilor de
rotunjire;
invariana la scalare;
alegerea corespunztoare a criteriului de terminare (stop);
f (x*) f (x), x R n
|
continuitate
derivabilitate
convexitate
metode de explorare
metode de eliminare
metode analitice
metode de cutare
proceduri iterative - se pornete de la o iniializare oarecare x0 i se
k
stabilete un ir de iteraii {xk}, astfel ca lim x = x * adic
Clasificare
z
explorare exhaustiv
explorare aleatoare
z
z
Dezavantajul principal
z
se calculeaz f(x0+k), kZ
Avantaje
z
z
Domeniu de aplicare
z
z
Principiu
z
z
z
Demonstraie
T
f
f
df (x) =
dx i = dx = f (x),dx
i=1 xi
x
n
f (x),dx = 0
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
f ( x + h) f (x)
o()
= f (x), h +
Presupunem c exist
f (x + h) f (x) f
lim
=
0
o()
=0
0
lim
f = f (x), h
= x, x y , y
, x,yRn
f (x), h
h, h f (x), f (x)
f (x + h) f (x)
o()
dac h, h = 1 i
= f (x), h +
f (x + h) f (x)
o()
1/2
f (x), f (x)
df (x * +h)
=0
d
f
= f ( x), h
f (x * +h), h = 0
h este oarecare
f ( x*) = 0
f (x + h) f (x)
<0
0
lim
f (x + h) f (x)
<0
a.i. , cu < avem
f ( x + h ) < f ( x )
f ( x*) = 0
z
1
f(x) = f(x*) + (x x*)T f(x*) + (x x*)T H(x*)(x x*) + e(x x*) || x x* ||2
2
f(x*) = 0
*
Tehnici de optimizare
- note de curs -
2. METODE DE REZOLVARE
A PROBLEMELOR DE
OPTIMIZARE STAIONAR
FR RESTRICII
Demonstraie
T
f
f
df (x) =
dx i = dx = f (x),dx
i =1 xi
x
n
f (x),dx = 0
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
f (x + h) f (x)
o()
= f ( x), h +
Presupunem c exist
f ( x + h) f (x) f
lim
=
0
o()
=0
0
lim
f = f (x), h
= x, x y, y
, x,yRn
f (x), h
h, h f (x), f (x)
f (x + h) f (x)
o()
dac h, h = 1 i
= f (x), h +
f (x + h) f (x)
o()
1/2
f (x), f (x)
df (x * +h)
=0
d
f
= f (x), h
f (x * +h), h = 0
h este oarecare
f ( x*) = 0
f (x + h) f (x)
<0
0
lim
f (x + h) f (x)
<0
f ( x + h ) < f ( x )
f ( x*) = 0
1
f(x) = f(x*) + (x x*)T f(x*) + (x x*)T H(x*)(x x*) + e(x x*)|| x x* ||2
2
Prezentare general
Formula de calcul
x k +1 = x k + k h k
direciei de deplasare
pasului de deplasare
Clasificare
metode de ordinul I (directe): se calculeaz numai valorile funciei
obiectiv
metode de ordinul II: se calculeaz i derivatele de ordinul unu
metode de ordinul al III-lea: se calculeaz i derivatele de ordinul al
doilea
Utilizarea derivatelor
Avantaj: vitez de convergen crescut
Dezavantaj: efort de calcul suplimentar
Calculul derivatelor
Dac derivatele pot fi exprimate analitic fr un efort prea mare, se
specific expresiile analitice ale derivatelor
Dac nu dispunem de expresiile analitice ale derivatelor, acestea
trebuie evaluate numeric
creterea timpului de calcul
introducerea de erori suplimentare
pas optim
deplasarea pe direcia respectiv se face pn cnd se atinge
minimul pe aceast direcie
determinarea pasului optim crete volumul de calcule la fiecare
iteraie
exist metode care impun utilizarea pasului optim la fiecare
iteraie
determinarea pasului optim pe o anumit direcie se mai
numete cutare liniar exact
determinarea pasului optim const n a stabili min f (x k + h k )
xk
f(x)=c1
f(x)=c2
hk
xk+1
k +1
) = f (x ) + f ( x ), h
k
2 k
h , Hkhk
+
2
Minimizez f (x k +1 ( ))
df (x
k +1
d
( ))
= 0 f (x k ), h k + h k , H k h k = 0
* =
f (x k ), h k
h k , H(x k )h k
Observaii
x k x k 1
f (x k ) f (x k 1 )
x k x k 1
x
sau
sau
f (x k ) f (x k 1 )
k
f (x )
dac ||x*|| sau f(x*) sunt foarte apropiate de zero, atunci criteriile
relative nu sunt utilizabile i se folosesc:
x k x k 1
1+ x
sau
f (x k ) f ( x k 1 )
1 + f (x )
k
f(x)
x
x
x
(a)
x (b)
xm
x1 x2
xm
xM
1 j k
xM
x1 x2
k = max ( x j x j 2 )
x1 x2
xm
xM
x
x
Rk = min max
M
x m
x1 ,..., x k 1 j k x
Se recomand ca
1
R k = k/2
2
k - numrul de evaluri ale funciei f(x) (cte dou evaluri la fiecare
iteraie)
M
m
x
+
x
0
x
=
Se alege un singur punct n centrul intervalului
2
df
i se calculeaz dx 0 , eliminndu-se acea jumtate a
x=x
intervalului la capetele cruia derivata are acelai semn.
Rk =
1
2k
,k
metoda Fibonacci
Tehnici de optimizare
- note de curs -
2. METODE DE REZOLVARE A
PROBLEMELOR DE
OPTIMIZARE STAIONAR
FR RESTRICII
2.3 Metode de cutare
2.3.1. Aspecte generale privitoare la metodele
de cutare
xm
x1 x2
xm
xM
1 j k
xM
x1 x2
k = max ( x j x j 2 )
x1 x2
xm
xM
x
x
Rk = min max
M
x m
x1 ,..., x k 1 j k x
Se recomand ca
1
R k = k/2
2
k - numrul de evaluri ale funciei f(x) (cte dou evaluri la fiecare
iteraie)
M
m
x
+
x
0
x
=
Se alege un singur punct n centrul intervalului
2
df
i se calculeaz dx 0 , eliminndu-se acea jumtate a
x=x
intervalului la capetele cruia derivata are acelai semn.
Rk =
1
2k
,k
metoda Fibonacci
Metoda Fibonacci
j-1
j+1
xm
j+1
x1j+1
j
x2 j
x1 j
xm
Notm
j+1
x2j+1
xM
xM
j =
Se arat c
j = j + j+1
j1
j =
1 j+1
2 j+1
1
N 1 =
2
j+1
xm
xM
N
N-1
- numrul de evaluri,
- numrul etapelor
Se demonstreaz c
j =
FN ( j+1)
FN( j1)
f ( x1j 1 ) f ( x 2j 1 )
f ( x1j 1 ) = f ( x 2j 1 )
F
1
Indicele de eficien Rk = k = 0 =
0 Fk Fk
N-1=N-2=N-2/2 - la ultimele dou etape se ajunge practic n acelai
punct (la jumtatea penultimului interval);
dac
dac
j-1
x2j
x 1j
xm
j+1
xm
j+1
x1j+1
j+1
xm
j = j+1
xM
j+1
x2j+1
j1 = j + j
xM
j +1 j
1=
+
j 1 j j 1
j
j 1
xM
=s
s = 5 1 0,618
2
j1 = j +j+1
1 = s + s2
Metode de interpolare
Metode de interpolare
Interpolarea ptratic
g = c 2 2 + c1 + c 0 , c 2 > 0
Minimul: * = c1 / 2c 2
Metode de interpolare
Metode de interpolare
2.
3.
4.
5.
6.
Metode de interpolare
Interpolarea cubic
g = c3 3 + c 2 2 + c1 + c0 ,
2
cu minimul * = c 2 + c 2 3c1c3 (3c3 )
* = k
z=3
g ' ( k ) + w z
( k k 1 )
g ' ( k ) g ' ( k 1 ) + 2w
g ( k ) g ( k 1 )
+ g ' ( k 1 ) + g ' ( k )
k k 1
w=
z 2 g ' ( k 1 ) g ' ( k )
dg( x k + h k )
=0
d
d2g
d2
>0
n *
g(0)
g(0)
g(0)
Funcia g() are un minim pentru >0 panta curbei n g(0) este
negativ.
Metodele sunt
aplicabile n cazul n care f(x) este
derivabil n raport cu toate argumentele
Metodele de gradient sunt metode de ordinul al II-lea, la
care se folosesc derivatele de ordinul I ale funciei
Formula iterativ
x k +1 = x k k r k
r k = f (x k )
Metoda mai este denumit a celei mai abrupte coborri
Direcia de cutare nu conduce, de regul, ctre minimul
funciei i chiar folosirea ei n cadrul unei proceduri iterative
nu este prea avantajoas
r k = f ( x k ) - direcia de deplasare
f (x k ), h k
k
h , H (x )h
h k = r k
* =
rk , rk
rk , Hkrk
df(xk+1()) df dxk+1
d
k
k +1
=0
0=
= k+1
= (rk+1)T (xk rk ) = (rk+1)T rk r , r
d
d
dx d
0
T
f(x)= co nst.
x0
x
-r
x4
-r
-r 1
-r 1
x1
x1
-r 3
x2
x3
(a)
(b)
1 T
x Qx, x R n ,
2
r = f ( x) = Qx
Condiia de extrem r* = 0 x* = 0
Dac Q > 0, x* = 0 este punct de minim
n general, minimul se obine dup un numr infinit de pai.
Atingerea minimului dintr-un singur pas se realizeaz numai n cazul n care
deplasarea se face pe direcia unui vector propriu al matricei Q
*r
y
-1r
Tehnici de optimizare
- note de curs -
k +1
k +1
+ a kju j
0 = u k +1 , Qu j = k +1 , Qu j + a kj u j , Qu j
a kj =
j=1
k +1 , Qu j
u j , Qu j
n 1
pi piT
i =0
pi , Qpi
x
k+1
= x + kp
x * = x + x , x* = x +
0
f ( x) = Qx + b
n 1
i p
f ( x) =
i =0
f ( x0 ) = Qx0 + b
f ( x*) = Qx * +b = 0
1 T
x Qx + b T x +
2
x* = x 0 Q 1 f ( x 0 )
Q
x* =
n 1
x0
i =0
n 1
i iT
pp
i
p , Qp
f (x 0 ) = x 0
i =0
pi ,f (x0 )
i
p , Qp
n 1
pi piT
i =0
pi
p , Qp
f (x0 ), pi
pi , Qpi
i+1
= x + ip
f ( x
i +1
) f (x ) = i Qp
i
f (x0 ), pi = f (xi ), pi
i =
f (x0 ), pi
i
p , Qp
i =
f (xi ), pi
pi , Qpi
Observaii
a kj =
k +1 , Qu j
u j , Qu j
a kj =
u =p
j
Notez
k +1 , Qu j
j
u , Qu
kj =
y j = r j+1 r j .
y jT k +1
kj =
y jp j
k +1
, Qp
p j , Qp j
k +1
j+1
j T
x x Q k +1
p Q
= jT j =
T
p Qp
x j+1 x j Qp j
jT
j+1
xj)
k 1 =
r k , Qp k 1
p k 1 , Qp k 1
r k , Qp k 1
p
k 1
, Qp
k 1
r k - r k-1
r ,
k-1
k
k-1 =
r k , r k - r k , r k-1
k-1
r -r
p ,
k-1
k-1
r k , r k-1 = 0,
rk , rk
k-1 =
p
k-1
- pk-1, rk-1
,r
k-1
= r
k-1
,-r
k-1
+ k-2p
k-2
=- r
k-1
,-r
k-1
p k-1 , r k = 0
rk , rk
k-1 =
rk-1, rk-1
Dac notm
x k +1 = x k H 1 ( x k )f ( x k )
p k +1 = x k +1 -x k
H k p = r
k
f (x) =
1 T
*
1
x Qx + b T x+, f ( x) = Qx + b x = Q b, H ( x) = Q
2
x1 = x0 Q 1 (Qx0 + b ) x1 = Q1b=x*
Metode combinate
G k = LDLT = H k + Ek
L este o matrice inferior triunghiular cu elementele lij, iar D este
matrice diagonal (D=diag(d1,...,d2));
se demonstreaz c toi di > 0 dac i numai dac Gk > 0
factorizarea LDLT este posibil numai dac Gk este pozitiv definit
Ek se ia o matrice diagonal, cu elemente nenegative pe diagonal,
alese astfel ca Gk > 0
G k = Pk k PkT
se obine o inversare a direciilor de cutare necorespunztoare
dezavantaj - necesitatea calculrii valorilor proprii i
Tehnici de optimizare
- note de curs -
Principiu
r k +1 r k = H k +1 ( x k +1 x k )
notm
k
p =x
k+1
-x
y k = r k+1 - r k
G k +1 y k = p k
- condiie cvasi-Newton
d k d kT
G 'k +1 = G 'k + k
d , Qd k
Metoda DFP
G k +1 = G k + Dk + Ck ,
la funcii ptratice
y k = r k +1 r k = Qp k
G y )( G y )
(
=
k T
Ck
y kT G k y k
( G k + Ck ) y k
=0
(*)
Metoda DFP
y = Qp
k
p k p kT
Dk = kT k
y p
Metoda DFP
Algoritm
1. se realizeaz iniializarea x0, G0>0 (se recomand G0=I, prima
direcie fiind atunci direcia gradientului), se pune 0=1 (sau se
poate determina 0 prin cutare liniar exact); se calculeaz r0;
2. dac criteriul de stop nu este satisfcut se trece la etapa (3);
3. se determin pasul optim k pe direcia Gkrk;
k
k+1
k
4. se calculeaz x k +1 = x k k G k r k ; se determin rk+1, p = x - x
i y k = r k+1 - r k ;
5. se determin Ck =
( G k y k )( G k y k )
y kT G k y k
p k p kT
,Dk = kT k , G k +1 = G k + Dk + Ck
y p
Metoda DFP
Proprieti ale algoritmului DFP
Dac G0>0 simetric, irul {Gk} este format din matrice
simetrice pozitiv definite
Dac G0=I i funcia obiectiv este ptratic cu matricea
Hessian Q, atunci vectorii p0,p1,p2,...., determinai prin
algoritmul DFP sunt Q-conjugai i matricea Gk stabilit n
subspaiul determinat de p0,p1,...,pk-1 este egal cu Q-1
Matricele care intervin n calcule au urmtoarele proprieti:
n 1
n 1
k =0
k =0
Ck = G 0 ,
1
Dk = Q
Metoda DFP
|| p 0 || || y 0 ||
Metoda DFP
Algoritmul DFP:
i.
k kT
pp
k kT
py
k kT
Gky y Gk
kT
y Gkyk
(p y k )
kT
(y k G k y k )(p k G k1p k ) (p k y k ) 2
T
p
Gky p
Gky
+ky Gky kT k kT
kT k kT
k
k
p y y Gky p y y Gky
kT
k = 0 DFP
k=1 algoritmul BFGS (Broyden, Fletcher, Goldfarb, Shanno)
p
B
p
b b , b = kT k kT
k
k
k
k
p y p Bk p
p y
p Bkp
(p y k ) 2
kT
(y k B k y k )(y k B k1y k ) (p k y k ) 2
T
(
+
)(
Algoritmul Gauss-Seidel
x2
f(x)=ct.
x*
x1
b) Se
Ultimul punct al ciclului xc devine punct iniial pentru ciclul urmtor, la care
prima direcie este cea care unete x0 cu xc
Avantajul: la fiecare ciclu, direciile de deplasare tind s se orienteze spre
direcia principal a "vii"
Algoritmul:
n
n
0
x +d . Cu acest nou x , se revine la etapa (c), ncepnd astfel
un nou ciclu
c1 =
(
2
n + 1 + n 1 , c2 =
(
2
n +1 1
n
n
Se calculeaz f(xj), j=1,...,n+1 i se noteaz cu xm i xM punctele
n care f(x) are cea mai mic i respectiv cea mai mare valoare
Se nlocuiete la fiecare iteraie xM cu un punct mai favorabil,
obinndu-se o alt configuraie de n+1 puncte, pentru care se
repet procedura, pn la ndeplinirea unui criteriu de stop
Algoritmul SIMPLEX
Algoritm:
G
1 n +1 j
M
x x
=
n + 1 j =1
Se calculeaz x
Dac f(xR)>f(xm)
Algoritmul SIMPLEX
1 n +1
j
G
f
(
x
)
f
(
x
)
n + 1 j =1
Tehnici de optimizare
- note de curs -
METODE ANALITICE DE
REZOLVARE A
PROBLEMELOR DE
OPTIMIZARE STAIONAR
CU RESTRICII
h i (x) = 0, i = 1, , < n,
g j (x) 0, j = 1, m ,
CLASIFICARE
Metode de substituie
Metode de explorare i eliminare
Metode analitice
Metode de cutare
f ( x ) + i h i ( x* ) = 0
*
i =1
(1)
( x, ) = f ( x) + i h i (x)
(2)
i =1
x ( x , ) = f ( x ) + *i h i ( x* ) = 0
*
i =1
De asemenea
( x * , * ) = h ( x* ) = 0
*
i h i (x ) = 0 f( x* ) = ( x* )
i =1
(3)
(4)
Y = {y y T h i ( x* ) = 0, i = 1,..., , y 0}
(5)
Se noteaz cu Hx(x,
) - matricea Hessian a funciei (x,
)
n raport cu variabilele x
h i (x) = 0, i = 1, , < n
Dac exist *R care satisface
x (x , ) = f (x ) + *ih i (x* ) = 0
*
i =1
y T H x (x* , * ) y > 0,
pentru orice yY definit de (5) atunci x* este un punct de
minim local tare a lui f pe S.
x ( x , ) = f (x ) + *i h i ( x* ) = 0
*
i =1
S = {x; x X, g i ( x) 0, i = 1,..., m}
min f ( x)
xS
I = {i gi (x* ) = 0}
gi (x) = ni , x + bi , bi R, gi (x) = ni Rn
g2(x)=0
n2
x*
n3
x
g3(x)=0
n1
gi (x* ), x-x* 0, i I, x S
g1(x)=0
f ( x ) + i g i (x* ) = 0.
*
(*)
i =1
n plus
*
i gi (x ) = 0
(**)
iI
f ( x ) + i g i ( x* ) = 0
i =1
*
g
(
x
i i ) = 0, i 0, i = 1,..., m
i =1
f (x*), x x * = i bi , x S
iI
(***)
bi = g i (x* ), x - x* 0, x S
dac n (***) toi i0 este ndeplinit f (x*), x x * 0, x S
care rezult din condiia ca x* s fie punct de minim
dac ar exista un i < 0, iI, ar fi posibil s alegem un vector x-x*
astfel nct membrul drept din (***) s fie negativ
x (x , ) = 0
*
(x, ) 0, 0
, (x , ) = 0
*
f ( x ) + i g i ( x* ) = 0
i =1
*
gi (x) 0, i = 1, m ,
g
(
x
i i ) = 0, i = 1, m
i =1
Procedur general
1. Se determin extremul liber x pentru f(x) fr restricii
altfel, salt la 2.
altfel, salt la 3.
Pentru nceput se vor considera combinaii de cte dou restricii active (de
preferat, din cele care au fost nclcate la etapa anterioar).
f ( x* ) + i g i (x* ) + i h i ( x* ) = 0,
iI
i =1
T
T
(
x
,
)
=
f(
x
)
+
h(
x
)
+
g(x)
Funcia sintetic:
Cond. nec. de extrem: x ( x, , ) = 0
( ****)
y T H x [ (x*,, ) ] y > 0
i =1
Observaii:
(x , ) ( x , ) (x, )
*
g (x* ) = 0
( x* , , ) ( x* , * , * ) ( x, * , * )
pentru orice xSRn, R, , atunci x* este punct de
minim pentru f(x) pe S (definit de g(x)0 i h(x)=0)
Tehnici de optimizare
- note de curs -
METODE NUMERICE
PENTRU SOLUIONAREA
PROBLEMELOR DE
OPTIMIZARE STAIONAR
CU RESTRICII
Observaii
difereniabile
nedifereniabile
i =1
1
F ( x, ) = f ( x ) +
, 0
i =1 g i ( x )
m
F ( x , ) = f ( x ) ln gi ( x )
i =1
i=1
=1
F ( x, ) = f ( x ) + max(0,gi ( x )) + hi ( x )
C
1
h x
S
f(x) = ct.
g(x) =0
a
B
x
S
b
G
f ( x )
x = PIf (x)
PI = I n A TI ( A I A TI ) 1 A I
(1)
g i (x) = 0, i I
(2)
0m
(3)
(4)
Se stabilete noul punct x = x x
dac *<m , mulimea de lucru nu se schimb
dac *=m apar noi restricii active
o nou restricie activ implic g j ( x) = 0, j I
introducerea indicelui j n mulimea indicilor restriciilor active
presupune modificarea mulimii I, a submatricei AI i a operatorului de
protecie PI
(5)
= ( A I A TI ) 1 A I f ( x) R p
PI = I n A TI ( A I A TI ) 1 A I
x = 0, f ( x) 0
x = PIf (x)
PI = 0
A TI = ( PI I n )f ( x)
f ( x ) + A TI = 0
f ( x ) + Tgi ( x ) = 0, i I
f ( x ) = ( aTj x b j ),
jJ
min f ( x ) a Tj x b j 0, j J
(1)
(2)
( x)T = 0, pt. x = x* , = *
r ( x) + A
i* > 0 , i I.
(3)
(4)
( x* ) Z ( x* ) = 0
A
( x )T = 0
r (x) + A
Z(x* )T r (x* ) = 0
(5)
1 T
Aproximarea ptratic a funciei f : k (p) = f (x )p + p H k p
2
T
matricea unitate
matricea hessian pentru f(xk)
o aproximare a hessianului H a funciei sintetice Lagrange
Tehnici de optimizare
- note de curs -
TEHNICI PENTRU
PROBLEME DE
OPTIMIZARE
DINAMIC
1. PREZENTAREA GENERAL A
PROBLEMELOR DE OPTIMIZARE DINAMIC
sistemul dinamic
indicele de calitate
diverse restricii
condiii etc.
sistemul dinamic
condiiile iniiale i finale
mulimea mrimilor de intrare (comenzilor) i de stare admisibile
criteriul de optimizare
1. PREZENTAREA GENERAL A
PROBLEMELOR DE OPTIMIZARE DINAMIC
1.1. Elementele de baz ale problemelor de
optimizare dinamic
Sistemul dinamic
x (t ) = f ( x (t ), u(t ), t )
y (t ) = g ( x (t ), u(t ), t )
(1)
x (t ) = [ x1 (t )...xn (t )]T X R n
y (t ) = [ y1 (t )... y p (t )]T Y R p
u(t ) = [u1 (t )...um (t )]T U R m
Momentul iniial t0
fixat la o valoare iniial t0T
liber n T (urmeaz a se determina prin rezolvarea problemei)
Condiiile finale
Probleme cu restricii
mulimea U este nchis
n problemele de optimizare comenzile uj(t) sunt netede pe poriuni n
intervalul [t0,tf], cu excepia eventual a unui numr finit de puncte n care
funciile sau derivatele au discontinuiti finite (de spea I-a)
I0 =
0
f
L
x
(
t
),
u
(
t
),
t
dt
+
M
(
t
,
x
,
t
,
x
)
(
)
0 0
f
0
(2)
t0
I 0* = I 0 (u* ) I 0 (u), u U
I 0* = I 0 (u* ) I 0 (u), u U
(3)
(4)
tf
Ik =
0
f
L
(
x
(
t
),
u
(
t
),
t
)
dt
+
M
(
t
,
x
,
t
,
x
), k = 1,..., s
k 0
f
k
(5)
t0
Observaie
xn+ k (t ) = Lk ( x ( ), u( ), )d , k = 1,..., s
(6)
t0
x n+ k (t ) = Lk ( x (t ), u(t ), t )
cu condiiile iniiale
i finale
(7)
(8)
(9)
(10)
condiiile (8) sunt cu stare iniial fixat i cu moment iniial fixat sau
liber
condiiile finale (9) sunt cu stare final liber pe o submulime
condiiile finale (10) sunt de acelai tip cu condiiile finale de baz
hk ( x (t ), u(t ), t ) = 0, k = 1,..., p
(11)
hk ( x (t ), u(t ), t ) 0, k = p + 1,..., q
(12)
hk : X U T R
I ** = min I * ( w ) = I * ( w * )
wW
(13)
(14)
w i (t ) = 0, i = 1,..., p
(15)
x0 (t ) = L( x ( ), u( ), )d
t0
x0 (t ) = L( x (t ), u(t ), t )
x0 (t0 ) = x00 = 0, x0 (t f ) = x0f
M B = M L + M = x0f + M (t0 , x 0 , t f , x f )
xn +1 (t ) = um+1 (t )
xn+1 (t0 ) = 0
xn+1 (t f ) = M (t0 , x 0 , t f , x f )
tf
I=
um+1 (t )dt
t0
I=
L ( x (t ), u(t ), t ) + um+1 (t ) dt
t0
t f t0
d = L ( x (t ), u(t ), t ) dt
I=
tf
t0
L ( x (t ), u(t ), t ) dt = d = f 0
I = M (t 0 , t f ) = t f t 0
tf
sau
I=
L( x, u)dt = dt = t f t0
t0
tf
t0
t0 < tf < i cel puin unul din momentele t0 i tf (de obicei tf) este
liber
starea iniial x0 i final xf pot fi fixate sau libere pe mulimi nchise
X0, respectiv Xf
sfera: u r > 0
cilindrul - combinaie de restricii paralelipipedice i sferice de
variabile separate t f
(t ) = c j u j (t )
sau
j =1
(cj>0 semnificaia de consum specific)
I=
( K + (t ))dt
t0
(t)
I = (t ) dt
0
(16)
I = (t ) dt
sau
I = t 2 (t )dt
sau
(17)
I = 2 (t )dt
I = t 2 2 (t )dt
(18)
I = T (t )Q (t ) (t )dt
0
sau
I = x T (t )Q (t ) x (t )dt
0
(19)
I=
(20)
2
u
(t )dt
t0
I = uT (t ) P (t )u(t )dt
(21)
I=
1 T
1
x (t f ) Sx (t f ) + [ xT (t )Q (t ) x (t ) + uT (t ) P (t )u(t ) +
2
2t
0
+ x (t ) N (t )u(t ) + u (t ) N T (t ) x (t )]dt ,
T
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
L( x (t ), x (t ), t )dt , x =
t0
dx
dt
(1)
x = (t ), x = (t )
d
d
dx(t )
( x) = (t ) = (t ) =
dt
dt
dt
(2)
(3)
I ( ) = I ( ) I =
L( x + , x + , t )dt L( x, x, t )dt
t0
tf
t0
(4)
dI ( )
2 d 2 I ( )
+
+ ... (5)
Se dezvolt n serie Taylor I ( ) =
2
d =0 2! d =0
Se noteaz
- prima variaie a funcionalei
dI ( )
I ( ) =
d =0
2 2
d I ( )
(6)
(7)
(8)
(9)
Pentru foarte mic I ( ) I ( )
Dac pentru un anumit x(t) funcionala I atinge minimul la = 0
atunci, ntr-o vecintate, creterea trebuie s fie pozitiv
dI ( )
0
d =0
dI ( )
(10)
= 0 sau I ( ) = 0
Condiia necesar de minim
d =0
x =
x
x(t ) = x* +
tf
I ( ) =
(t0 ) = (t f )
x (t )
*
*
L
(
x
+
,
x
+ , t )dt
t0
tf
dI
L
L
= *
+
dt
*
d t ( x + )
( x + )
x* (t ) extremal
tf
t0
dI
d
tf
tf
=0
tf
L( x* , x* , t )
L( x* , x* , t )
=
+
dt = 0
*
*
x
x
t0
tf
L
L
d L
d L
dt
=
dt
=
dt
*
dt
x*
x* t0 t dt x*
x
t
0
I =
dI
tf
=0
L d L
= *
(t )dt = 0
*
x dt x
t0
(t0 ) = (t f ) = 0
tf
Dac I =
f (t ) (t )dt = 0
t0
pe intervalul [t0 , t f ]
tf
=0
L d L
= *
(t )dt = 0 pentru orice (t )
*
x dt x
t0
L( x, x , t ) d L( x, x , t )
2L
2L
2 L L
x (t ) +
x (t ) +
=0
xx
xx
xt x
Ecuaia Euler se generalizeaz i pentru
integrale cu mai multe variabile independente
integrale care conin derivate de ordin superior
integrale cu mai multe variabile dependente
(12)
h(t , x (t )) = 0, h R p , p < n
F ( x , x , , t ) = L( x , x , t ) + T (t ) h( x , t )
(13)
(14)
F d F
=0
*
*
x dt x
ecuaie de aceeai form cu (11), scris ns pentru F
ecuaia Euler Lagrange a funciei F n raport cu variabila conduce la
legturile (13)
f ( x , x , t )dt = k , k R p , f R p
(15)
t0
x0 (t ) =
f ( x, x , t )dt , x0 (t ) R p
x 0 (t ) = f ( x , x , t )
(16)
t0
F ( x, x , , t ) = L( x, x , t ) + T [ f ( x, x , t ) x 0 (t )]
(17)
F d F L f
d L f
=
+ T + T
x dt x x x
dt x x
= 0
d
(t ) = 0 (t ) = const.
dt
(18)
(19)
H ( x , x , , t ) = L( x , x , t ) + T f ( x , x , t )
funcia sintetic a lui Hamilton (Hamiltonian)
(20)
Se consider sistemul
x (t ) = f ( x (t ), u(t ), t ), x R n , u R n , t [t0 , t f ] R
(21)
I=
L( x (t ), u(t ), t )dt ,
(22)
t0
(23)
F ( x, x , , u, t ) = L( x, u, t ) + T (t )[ f ( x, u, t ) x ], R n
(24)
Se introduce hamiltonianul
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(24)+(25)
F ( x , x , u, , t ) = H ( x , u, , t ) T (t ) x (t )
(25)
(26)
F d F
=0
u dt u
F d F
=0
x dt x
F d F
=0
dt
H
= 0 - condiia necesar de extrem
*
u
(27)
H
* (t )
=
x*
(28)
H
*
=
x
(t )
*
- ecuaiile canonice
ale lui Hamilton
(29)
= T x+ T u+ T +
dt x
t
u
dH H
=
dt
t
dH
Pentru problemele invariante
=0
dt
H ( x , u, ) este constant pe traiectoria extremal
Pe traiectoria extremal
(30)
(31)
(32)
x (t ) = f ( x (t ), u(t ), t ), x R n , u R m
(33)
f
din condiiile iniiale x (t0 ) fixate ntr-o stare final x = x (t f ) liber
n R n , cu t f > t0 liber, astfel nct s se minimizeze criteriul
tf
I = M (t f , x f ) +
(34)
I = M (t f , x f ) + [ H ( x , u, , t ) T (t ) x (t )]dt
t0
tf
H ( x, u, , t )dt (t ) x (t )
I = M (t f , x ) +
f
t0
tf
t0
(35)
tf
T (t ) x (t )dt
(36)
t0
M (t f , x f )
x f
M (t f , x f )
t f
= * (t f )
+ H ( x* (t f ), u* (t f ), * (t f ), t f ) = 0
(37)
(38)
x f = g (t f )
(39)
M (t f , x )
M
(
t
,
x
) *
f
*
*
*
+ H [ x (t f ), u (t f ), (t f ), t f ] +
(t f ) g (t f ) = 0 (40)
f
t f
x
(41)
(42)
tf
I ' = I T I ( x, t )
t =t0
+ T F ( x, t )
t =t f
M '(t0 , x , t f , x ) = M (t0 , x , t f , x ) T I ( x , t )
0
M
(t0 ) =
x
M
(t f ) =
x
x , t0
x ,tf
I
+ T
x
x , t0
F
+ T
x
x ,tf
t = t0
+ T F ( x, t )
t =t f
(44)
(45)
condiiile de transversalitate
(46)
xR :
2L
0
2
x
2L
2L
1 n
1 1
2
0
=
x Rn :
T
x x
2
2
L L
x x
xn xn
n 1
(47)
(48)
H
(i )
=0
u
*
2H
(ii ) 2 > 0
u
2H 2H
2
u
x
0
(iii )
2
2
H H
2
x
u
u
2H
0
(iv)
2
x
2M
0
2
x f
(49)
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
k f 1
k f 1
L( x (k ), x (k + 1), k ) = Lk
k = k0
k = k0
x ( k ) = x (tk ), x ( k0 ) = x (t0 ), x ( k f ) = x (t f )
tk
x(k ) = x(kT )
T - perioada de eantionare
(1)
x ( k ) = x * ( k ) + x ( k )
x (k + 1) = x (k + 1) + x ( k +1)
*
(2)
x (k ) = x ( k )
x ( k + 1) = x ( k +1)
x ( k0 ) = x ( k f ) = 0
(3)
x ( k0 ) = x 0
x (k f ) = x f
Condiia de extrem
k f 1
Lk
Lk
, x(k+1) = 0 (5)
= 0 * , x(k) + *
x (k +1)
k =k0 x (k)
=0
k f 1
T
Lk
Lk
T
(6)
I
=
x
(
k
)
+
x
(
k
+
1)
=0
*
*
x ( k )
x (k + 1)
k = k0
k f 1
kf
L (x(k), x(k +1), k)
L(x(m1), x(m), m1)
k m 1 xT (k +1) k
= xT (m)
x(k +1)
x(m)
k=k0
m=k0+1
I
(4) I = 0 sau
k 1
f
L
L( x (k 1), x (k ), k 1)
T
T
+
x (k + 1) x (k + 1) = x (k )
x (k )
k = k0
k = k0
k =k f
L( x (k 1), x (k ), k 1)
+ x (k )
x (k )
k =k
T
(7)
(6) + (7)
k f 1
L( x ( k ), x (k + 1), k ) L( x (k 1), x (k ), k 1)
+
+
x (k )
x (k )
x (k )
k = k0
T
+ xT (k )
k =k f
(8)
L( x (k 1), x ( k ), k 1)
=0
x (k )
k =k
0
L( x (k ), x (k + 1), k ) L( x (k 1), x (k ), k 1)
+
=0
x (k )
x (k )
ecuaia
Euler Lagrange
(9)
Sistemul
I =M
k =k f
( x ( k ), k ) k = k
0
k f 1
L( x (k ), u(k ), k ),
(11)
k = k0
Hamiltonianul
H ( x (k ), u(k ), ( k + 1), k ) =
= L( x (k ), u(k ), k ) + T (k + 1) f ( x (k ), u(k ), k ), (k ) R n
(12)
I =M
k =k f
( x(k )) k =k
0
k f 1
T
[
H
(
x
(
k
),
u
(
k
),
(
k
+
1))
k =k0
T (k f )
M (k f )
x(k f )
T (k0 )
k f 1
M (k0 )
H (k ) T H (k )
+ [T (k )
+ (k )
+
x(k0 ) k =k0
x(k )
u(k )
k 1
f
H (k )
T
] [ T (k +1)(k + 1) + T (k +1) x(k +1)] = 0
+ (k +1)
(k + 1) k =k0
(14)
T ( k + 1)(k + 1) =
k = k0
kf
T (k )(k ) =
k = k0 +1
= T (k f )(k f ) T ( k0 )(k0 ) +
(14) + (15)
(15)
k f 1
T (k )(k )
k = k0
M (k f )
T
M (k0 )
(k f )
( k f ) ( k0 )
( k0 ) +
x (k )
x (k0 )
k f 1
k f 1
H
(
k
)
H (k )
+ T (k )
( k ) + T ( k )
+
u(k )
x ( k )
k = k0
k = k0
T
k f 1
H (k )
+ T (k + 1)
x ( k + 1) = 0
(k + 1)
k = k0
(16)
(16)
H ( x* (k ), u* (k ), * (k + 1))
=0
*
u ( k )
(17)
H ( x* (k ), u* ( k ), * (k + 1))
*
(k )
=
*
x (k )
condiiile Hamilton
pentru cazul discret
(18)
H ( x * (k ), u* (k ), * (k + 1))
*
=
x
(k + 1)
*
( k + 1)
(19)
M ( x (k0 )) *
( k0 ) = 0
x (k0 )
(20)
M ( x (k f ))
x (k f )
* (k f ) = 0
condiiile de transversalitate
n raport cu capetele traiectoriei
(21)
M ( x* (k f ), k f )
k f
(22)
2H
u2
+ H ( x* (k f ), u* (k f ) * (k f ), k f ) = 0
(23)
u = u*
x = f ( x, u, t ), cu x R ,
n
f
x (t0 ) = x 0 , t0 , t f , x fixate
(24)
tf
I=
L( x, u, t )dt
(25)
t0
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(26)
H
L( x , u, t ) T f ( x, u, t )
=0
+ (t )
=0
u
u
u
(27)
H
L( x, u, t ) T f ( x , u, t )
=
+ (t )
= (t )
x
x
x
(28)
M ( x f )
= (t f ) (t f ) = 0
f
x
(29)
Se apeleaz la discretizarea
x ((k + 1)T ) x ( kT )
x kT =
T
((k + 1)T ) (kT )
kT =
T
0
(24)+(30)+(31) x (k + 1) = x (k ) + Tf ( x (k ), u(k ), k ), x (k0 ) = x
(27)+(28)+(29)+(30)+(31)
L( x (k ), u(k ), k ) f ( x (k ), u(k ), k )
+
( k ) = 0
T
u(k )
u (k )
(k + 1) = (k ) T
( k f ) = 0
L( x (k ), u(k ), k ) f ( x (k ), u(k ), k )
( k )
T
u(k )
u (k )
(30)
(31)
(32)
(33)
(34)
(35)
x (k + 1) = x (k ) + Tf ( x (k ), u(k ), k ), x (k0 ) = x 0
(36)
I =T
k f 1
L( x (k ), u(k ), k )
(37)
k = k0
Hamiltonianul este
H ( k ) = TL( x ( k ), u( k ), k ) + T ( k + 1)[ x ( k ) + Tf ( x ( k ), u( k ), k )]
H (k )
L( x ( k ), u(k ), t )
f
=0
+ T
(k + 1) = 0
u( k )
u(k )
u ( k )
(38)
(39)
H (k )
L( x (k ), u(k ), k )
f
(k + 1) = (k ) (40)
= ( k ) T
+ In + T T
x (k )
x (k )
x (k )
f ( x (k ), u(k ), k )
L( x (k ), u( k ), k )
(k + 1) = I n + T
(
k
)
T
x (k )
x
(
k
)
(41)
Tehnici de optimizare
- note de curs -
PROBLEMA DE
OPTIMIZARE LINIAR
PTRATIC
sistem liniar
criteriu ptratic
(1)
tf
1
1
I = xT (t f ) Sx (t f ) + xT (t )Q (t ) x (t ) + uT (t ) P (t ) u(t ) dt
2
2t
(2)
S 0, Q (t ) 0, P (t ) > 0
t0 , t f - fixai
x 0 (t0 ) = x 0
- fixat
x (t f ) - liber
1 T
1
x (t )Q (t ) x (t ) + uT (t ) P (t )u(t ) + T (t )[ A(t ) x (t ) + B (t )u(t )]
2
2
H
= (t ) (t ) = Q (t ) x (t ) AT (t ) (t )
x
H
= 0 P (t ) u(t ) + BT (t ) (t ) = 0 u(t ) = P 1 (t ) BT (t ) (t )
u
M
= (t f ) (t f ) = Sx (t f )
f
x
2H
= P (t ) > 0
2
u
M
=S 0
2
x f
2
2 H
= Q (t ) 0
2
x
2 H 2 H
2
Q (t )
0
=
0
2
2
P (t )
H H 0
xu u 2
(3)
(4)
(5)
(6)
(7)
(6) + (7) R (t f ) = S
(8)
(9)
N (t ) = B (t ) P 1 (t ) BT (t )
(10)
(12)
x (t ) = [ A(t ) N (t ) R(t )] x (t )
0
cu condiia iniial x (t0 ) = x
(13)
x (t ) = A(t ) x (t ) N (t ) (t )
(t ) = Q (t ) x (t ) AT (t ) (t )
X (t ) = A(t ) X (t ) N (t ) (t )
(t ) = Q (t ) X (t ) AT (t ) (t )
(14)
(15)
R (t ) = (t ) X 1 (t )
Dac S 0, Q 0, P > 0 X(t) nesingular
(17)
u(t ) = P 1 (t ) BT (t ) R(t ) x (t )
(18)
I * ( x (t ), t ) =
1 T
x (t ) R(t ) x (t )
2
(19)
I* =
1 T
x (t0 ) R(t0 ) x (t0 )
2
(20)
P B
u (t )
x (t )
x (t )
(t ) R(t )
K (t ) = P 1 (t ) BT (t ) R(t )
(21)
(22)
1
I = [ xT (t )Qx (t ) +uT (t ) Pu(t )]dt
20
(23)
(24)
Q 0, P 0
Sistemul optimal nchis trebuie s fie stabil, deci perechea (A,B) s fie
stabilizabil (eventual, se poate impune ca ea s fie complet
controlabil)
u(t ) = Kx (t )
(K matrice constant)
(25)
1
= [ xT (t )Qx (t ) + uT (t ) Pu(t )]dt
20
Fie I t
f
n acest caz R (t f ) = 0
(26)
(27)
Proprieti
i.
ii.
exist i R 0
n condiiile de la (i), R definit de (28) este soluie a ecuaiei matriceale
algebrice Riccati (EMAR)
RBP 1BT R RA AT R Q = 0
iii.
(28)
(29)
(30)
este o soluie n c.. a PLPI, iar valoarea optim a criteriului (24) este
I *
1 0T 0
= x Rx
2
(31)
iv.
x = x + u
1
I = u 2 dt
20
este
t f
este soluia
limita
*
valoarea minim a indicelui de calitate este I
= x Rx 0 , unde x 0 = x (0)
1 T
Dac n plus perechea ( Q , A) este detectabil, matricea K = P B R
comanda corespunztoare u(t ) = Kx (t ) sunt stabilizatoare i matricea
este unica soluie pozitiv semidefinit a EMAR (29)
R0 (t ), R1 (t ),..., Ri (t ),...,
care se poate demonstra c este convergent ctre soluia R(t) a EMDR
i ale crui elemente se calculeaz cu
t
R (t ) [ R(t + ) R(t )] /
(12)
R0 (t ), R1 (t ),..., Rk (t ),...,
obinute ca soluii ale ecuaiilor difereniale liniare
(32)
....................
Rk =Rk[A(t) N(t)Rk1(t)] [AT (t) Rk1(t)N(t)]Rk Rk1(t)N(t)Rk1(t) Q(t),
Rk (t f ) = S.
Se poate arta c pentru R0 (t ) 0, t [t0 , t f ] derivabil n raport cu t,
exist relaia Rk (t ) Rk 1 (t ) iar irul de matrice { Rk (t )} converge
uniform ctre soluia EMDR (12)
A(t) N(t)
X (t)
X(t)
,
= H(t) , H(t) =
(t)
(t)
Q(t) A (t)
0
JHJ = H , cu J =
In
T
(t , t f )
N (t ) = B(t ) P 1 (t ) BT (t )
(33)
In
0
X (t f )
11 (t , t f ) 12 (t , t f )
X (t )
In
(t ) = (t , t f ) (t ) = (t , t f ) S , (t , t f ) = (t , t ) (t , t )
f
22
f
21 f
R(t ) = [ 21 (t , t f ) + 22 (t , t f ) S ][ 11 (t , t f ) + 12 (t , t f ) S ]1
(34)
(35)
k f 1
[ xT (k )Q(k ) x (k ) + uT (k ) P (k )u(k )]
(36)
k =0
S 0, Q 0, P > 0
1
1
H k = xT (k )Qx (k ) + uT (k ) Pu( k ) + T (k +1)[ Ax (k ) + Bu(k )]
2
2
H k
= (k ) Qx (k ) + AT (k +1) = (k )
x (k )
H k
= 0 Pu(k ) + BT (k +1) = 0 sau u(k ) = P 1 BT (k +1)
u( k )
Mx (k f )
= (k f ) Sx (k f ) = (k f )
x (k f )
(37)
(38)
(39)
(40)
(41)
(42)
(43)
(44)
(45)
sau
(46)
( R1(k +1) + BP 1BT )1 = R(k +1) R(k +1)B(BT R(k +1)B + P)1 BT R(k +1)
i atunci relaia (46) devine
R(k) = Q + AT R(k +1) A AT R(k +1)B(BT R(k +1)B + P)1 BT R(k +1) A (48)
Tehnici de optimizare
- note de curs -
PROBLEMA DE
OPTIMIZARE LINIAR
PTRATIC
(1)
k f 1
[ xT (k )Q(k ) x (k ) + uT (k ) P (k )u(k )]
(2)
k =0
S 0, Q 0, P > 0
1
1
H k = xT (k )Qx (k ) + uT (k ) Pu( k ) + T (k +1)[ Ax (k ) + Bu(k )]
2
2
H k
= (k ) Qx (k ) + AT (k +1) = (k )
x (k )
H k
= 0 Pu(k ) + BT (k +1) = 0 sau u(k ) = P 1 BT (k +1)
u( k )
Mx (k f )
= (k f ) Sx (k f ) = (k f )
x (k f )
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
sau
(12)
R(k f ) = S
Din (6) i (7)
(13)
Ecuaia (11) sau (12) reprezint ecuaia matriceal cu diferene Riccati
( R1(k +1) + BP 1BT )1 = R(k +1) R(k +1)B(BT R(k +1)B + P)1 BT R(k +1)
i atunci relaia (12) devine
R(k) = Q + AT R(k +1) A AT R(k +1)B(BT R(k +1)B + P)1 BT R(k +1) A (14)
x (t ) = A(t ) x (t ) + B (t )u(t ),
x (t0 ) = x 0 , x R n , u R m
(15)
y (t ) = C (t ) x (t ), y R p
I=
1 T
1
y (t f ) Sy (t f ) + [ yT (t )Q (t ) y (t ) + uT (t ) P (t )u(t )]dt
2
2t
(16)
S 0, Q (t ) 0, P (t ) > 0
(17)
C T (t f ) SC (t f ) 0,
C T (t )Q (t )C (t ) 0
Q (t ) 0
y (t )Q (t ) y (t ) 0, y (t )
T
y (t ) = C (t ) x (t )
(18)
xT (t )C T (t )Q (t )C (t ) x (t ) 0,
C (t ) x (t )
Q ' (t ) = C T (t )Q (t )C (t ) 0
(19)
Similar se demonstreaz c
S ' = C T (t f ) SC (t f ) 0
(20)
R (t ) = R(t )B(t ) P 1(t )BT (t ) R(t ) R(t ) A(t ) AT (t ) R(t ) CT (t )Q(t )C (t ) (21)
R (t f ) = C (t f ) SC (t f )
x (t ) = [ A(t ) B (t ) P 1 (t ) BT (t ) R(t )] x (t ),
I* =
1 T
x (t0 ) R(t0 ) x (t0 )
2
(22)
x (t0 ) precizat
(23)
(24)
1
1
I = eT (t f ) Se (t f ) + [eT (t )Q (t )e (t ) + uT (t ) P (t ) u(t )]dt
2
2t
0
(26)
(27)
H
= 0 u(t ) = P 1BT (t )
u
(28)
(t ) = H (t ) = C T QCx AT + C T Qz
x
(29)
(t f ) =
M
(t f ) = C T (t f ) SC (t f ) x (t f ) C T (t f ) Sz (t f )
x (t f )
T
1
Se noteaz BP 1BT = N , C QC = Q ,
CTQ = W
N (t ) x (t ) 0
x (t ) A(t )
(15) + (29)
+
z (t )
(t ) = 1
Q (t ) A (t ) (t ) W (t )
(30)
(31)
(32)
(t ) = R(t ) x (t ) g (t )
(33)
(t ) = R (t ) x (t ) + R(t ) x (t ) g (t )
(34)
Din (32), (28), (34) se gsete o relaie care este satisfcut pentru
orice x(t) i z(t) dac
g (t f ) = C T (t f ) Sz (t f )
(35)
(36)
(37)
(38)
(39)
(40)
g (t ) = (t , t f ) g (t f ) + (t , )W ( ) z ( )d
(41)
T
- matricea de tranziie pentru [ A(t ) N (t ) R(t )]
Pentru cazurile cnd z(t) este necunoscut aprioric, s-au propus soluii
suboptimale, bazate pe
u(t ) = P 1BT [ R (t ) x (t ) g (t )] = K (t ) x (t ) + r (t )
(42)
g (t0 )
z (t )
C Q
F T (t )
x (t0 )
g (t )
BP B
+
+
F (t )
x (t )
C
y (t )
x (t ) = Ax (t ) + Bu(t ) + w (t );
y (t ) = Cx (t )
x (t0 ) = x 0
(43)
x (t ) Lx (t ) Bu(t ) w (t )
(44)
1
J = [ x(t f ) xd ]T S[ x(t f ) xd ] +
2
tf
1
+ {[ x (t ) Lx(t ) Bu(t ) w(t )]T Q1[ x (t ) Lx(t ) Bu(t ) w(t )] + (45)
2t
0
1
J = [ x (t f ) xd ]T S[ x (t f ) xd ] +
2
tf
1
+ { xT (t )Q1 x (t ) + [ x (t ) xd ]T Q2 [ x (t ) xd ] + uT (t ) P (t )u(t )}dt
2t
0
Q1 = A T Q1 A ,
A = A L
(46)
Tehnici de optimizare
- note de curs -
PROBLEME DE
OPTIMIZARE
DINAMIC CU
RESTRICII
PROBLEME DE OPTIMIZARE
DINAMIC CU RESTRICII
principiul minimului
programarea dinamic
4. PRINCIPIUL MINIMULUI
din cauza discontinuitilor lui u(t), nu mai are sens calcularea derivatei
respective
Condiia menionat se nlocuiete cu una mai general, care se refer la
determinarea comenzii optimale u(t) astfel nct H s ating un minim, sau
ntr-o formulare uor modificat un maxim
x (t ) = f ( x (t ), u(t ), t ), x (t0 ) = x 0 , x R n
(1)
I=
L( x (t ), u(t ), t )dt + M ( x (t f ))
(2)
t0
Se construiete hamiltonianul
H ( x , p, u, t ) = L( x , u, t ) + pT f ( x , u, t )
; x (t ) =
Ecuaiile canonice Hamilton p(t ) =
x
p
M ( x (t f ))
Condiia de transversalitate p(t f ) =
x (t f )
(4)
(5)
(6)
x0 (t ) = L( x (t ), u(t ), t )dt
(7)
t0
x0 (t ) = L( x (t ), u(t ), t )
(8)
f
x
(
t
)
=
x
x0 (t0 ) = 0, 0 f
0
(9)
x0 f 0
x = ; f = , f 0 L
x
f
(10)
Se consider sistemul x (t ) = f ( x , u, t )
i indicele de calitate I = M ( x (t f )) = M ( x (t f )) + x0 (t f )
(12)
H ( x , p , u, t ) = p T (t ) f ( x , u, t ),
(13)
p = [ p0 p]T
H H
; x =
Ecuaiile (5) i (6) devin p =
x
p
p (t f ) =
M ( x (t f ))
x (t f )
H ( x , p , u, t ) = p0 f 0 + pT (t ) f ( x , u, t )
0 = H / x0 = 0 p0 = const.
H nu depinde de x0 p
(11)
(14)
(15)
(16)
(17)
Principiul minimului
Fiind dat sistemul (11) i indicele de calitate (12), condiia necesar ca
u*(t) s fie comanda extremal, iar x*(t) - traiectoria extremal
respectiv este ca s existe un vector adjunct nenul p (t ) dat de ecuaia
(14), cu condiia de capt (15) i cu H dat de (13), astfel nct s se
minimizeze valoarea hamiltonianului
H * = H ( x * , p * , u* , t ) = min H ( x * , p * , u, t )
uU
n problemele invariante H * = 0
(18)
(19)
M (t f , x f )
t f
+ H ( x* (t f ), p* (t f ), u* (t f ), t f ) = 0, x f = x (t f )
(21)
M (t f , x f )
x
= p* (t f )
(22)
M (t f , x f )
x
+
*
x ,t f
F
x
(23)
* , = const.
(24)
x* ,t f
p* (t f ) = 0
(25)
F
p (t f ) =
x
x ,t f
Xf X
(26)
x (t f ) = x f
p(t f )
- liber
(27)
(28)
hamiltonianul
x (t ) = f ( x ) + h( u)
(29)
L( x, u) = f 0 ( x ) + h0 ( u)
H / u u= u* = 0
dac n plus
funciei H(u)
2 H / u 2
u = u*
>0
problem invariant
comanda scalar este restricionat
la domeniul [um , uM ]
um
u*
uM
u*
um
u*
uM
um
u*
uM
u*
um
u
u*
uM
5. PROGRAMAREA DINAMIC
x ( )
x (t0 )
1'
1
x (t f )
5. PROGRAMAREA DINAMIC
5. PROGRAMAREA DINAMIC
Din acest motiv, de cele mai multe ori, n cazul sistemelor continue se
procedeaz la o discretizare, astfel c programarea dinamic se utilizeaz
de cele mai multe ori pentru cazul discret
t = (t f t0 ) / N
xk +1 xk
f ( xk , uk )
t
xk = x (k t ), uk = u( k t )
xk +1 = xk + f ( xk , uk )t , k = 0,..., N 1
(1)
se aproximeaz prin
(2)
(3)
(4)
x (t0 ) = x0 , x (t f ) = x N oarecare
N 1
I = M ( x N ) + L( xk , uk )t
k =0
(5)
I N 1 = M ( x N ) + L( x N 1, uN 1 ) t
(3) x N = x N 1 + f ( x N 1 , uN 1 )t
*
Trebuie determinat uN 1 U care minimizeaz (6) i satisface (7)
*
Ultimul segment al traiectoriei este optimal dac pleac din x N 1
(6)
(7)
uN 1U
u N 1
u*N 1 i S N 1 (, x*N 1 )
(8)
I N 2 = I N 1 + L( x N 2 , uN 2 )t =
= M ( x N ) + L( x N 1 , uN 1 )t + L( x N 2 , uN 2 ) t
x N 1 = x N 2 + f ( x N 2 , uN 2 )t
(9)
(10)
I N 1 + L( x N 2 , uN 2 )t} =
{
U
uN 2
uN 1U
L( x*N 2 , uN 2 )t} =
{
u
U
= min {S N 1[ x*N 2 + f ( x*N 2 , uN 2 )t ] + L( x*N 2 , uN 2 )t}
u
U
= min
N 2
N 2
(11)
S N k ( x *N k ) = min I N k
uN k U
I N k = M ( x N ) +
i = N k
L( xi , ui )t = I N k +1 + L( xN k , uN k )t, k = 1,..., N
x N k +1 = x N k + f ( x N k , uN k )t
(13)
(14)
(15)
f ( x*N 1 , u*N 1 ) =
1 *
x N 1
t
u*N 1 = ( x*N 1 )
Tehnici de optimizare
- note de curs -
OPTIMIZAREA
STAIONAR
f :Rn R
funcia obiectiv
hi : R n R, i = 1,...,l
g i : R n R, i = 1,..., m
programarea convex
programarea ptratic
programarea geometric
x
x1
3
x2 x
x4
x5
x6
x7
9
x8 x
f(x)=c1
f(x)=c2
x1
1
f(x) = f(x ) + (x x ) f(x ) + (x x0 )T H(x0 )(x x0 ) + e(x, x0 ) x x0
2
0
0 T
f x1
f (x)
f ( x) =
= ;
x
f x n
2f
1
2
f (x)
=
H (x) =
2
x
2f
x n x 1
2f
x1 x n
2
f
2
x n
notm
x x 0 = h,
cu
h R n , || h ||2 = 1
2
f (x + h ) = f (x) + h, f (x) +
h , H ( x ) h + e( x 0 , h ) 2
2
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
Convergena
ln f (x k )
dac f(x*) = 0: = lim
k ln f (x k +1 )
ln[f (x k ) f (x* )]
dac f(x*) 0: = lim
k ln[f (x k +1 ) f (x * )]
fiabilitatea
robusteea - evitarea excepiilor aritmetice i minimizarea erorilor de
rotunjire;
invariana la scalare;
alegerea corespunztoare a criteriului de terminare (stop);
f (x*) f (x), x R n
continuitate
derivabilitate
convexitate
metode de explorare
metode de eliminare
metode analitice
metode de cutare
proceduri iterative - se pornete de la o iniializare oarecare x0 i se
k
stabilete un ir de iteraii {xk}, astfel ca lim x = x * adic
Clasificare
explorare exhaustiv
explorare aleatoare
Dezavantajul principal
se calculeaz f(x0+k), kZ
dac f[x0+(k1)] > f(x0+k), se repet aceast etap pentru k
modificat cu o unitate
dac f[x0+(k1)] < f(x0+k), a fost depit punctul de minim i
se consider c noul interval de incertitudine este
[x0+(k2), x0+k]
Avantaje
Domeniu de aplicare
Principiu
Tehnici de optimizare
- note de curs -
OPTIMIZAREA
STAIONAR
f :Rn R
funcia obiectiv
hi : R n R, i = 1,...,l
g i : R n R, i = 1,..., m
programarea convex
programarea ptratic
programarea geometric
x
x1
3
x2 x
x4
x5
x6
x7
9
x8 x
f(x)=c1
f(x)=c2
x1
1
f(x) = f(x ) + (x x ) f(x ) + (x x0 )T H(x0 )(x x0 ) + e(x, x0 ) x x0
2
0
0 T
f x1
f (x)
f ( x) =
= ;
x
f x n
2f
1
2
f (x)
=
H (x) =
2
x
2f
x n x 1
2f
x1 x n
2
f
2
x n
notm
x x 0 = h,
cu
h R n , || h ||2 = 1
2
f (x + h ) = f (x) + h, f (x) +
h , H ( x ) h + e( x 0 , h ) 2
2
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
Convergena
ln f (x k )
dac f(x*) = 0: = lim
k ln f (x k +1 )
ln[f (x k ) f (x* )]
dac f(x*) 0: = lim
k ln[f (x k +1 ) f (x * )]
fiabilitatea
robusteea - evitarea excepiilor aritmetice i minimizarea erorilor de
rotunjire;
invariana la scalare;
alegerea corespunztoare a criteriului de terminare (stop);
f (x*) f (x), x R n
continuitate
derivabilitate
convexitate
metode de explorare
metode de eliminare
metode analitice
metode de cutare
proceduri iterative - se pornete de la o iniializare oarecare x0 i se
k
stabilete un ir de iteraii {xk}, astfel ca lim x = x * adic
Clasificare
explorare exhaustiv
explorare aleatoare
Dezavantajul principal
se calculeaz f(x0+k), kZ
dac f[x0+(k1)] > f(x0+k), se repet aceast etap pentru k
modificat cu o unitate
dac f[x0+(k1)] < f(x0+k), a fost depit punctul de minim i
se consider c noul interval de incertitudine este
[x0+(k2), x0+k]
Avantaje
Domeniu de aplicare
Principiu
Tehnici de optimizare
- note de curs -
OPTIMIZAREA
STAIONAR
f :Rn R
funcia obiectiv
hi : R n R, i = 1,...,l
g i : R n R, i = 1,..., m
programarea convex
programarea ptratic
programarea geometric
x
x1
3
x2 x
x4
x5
x6
x7
9
x8 x
f(x)=c1
f(x)=c2
x1
1
f(x) = f(x ) + (x x ) f(x ) + (x x0 )T H(x0 )(x x0 ) + e(x, x0 ) x x0
2
0
0 T
f x1
f (x)
f ( x) =
= ;
x
f x n
2f
1
2
f (x)
=
H (x) =
2
x
2f
x n x 1
2f
x1 x n
2
f
2
x n
notm
x x 0 = h,
cu
h R n , || h ||2 = 1
2
f (x + h ) = f (x) + h, f (x) +
h , H ( x ) h + e( x 0 , h ) 2
2
o()
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
=0
0
Convergena
ln f (x k )
dac f(x*) = 0: = lim
k ln f (x k +1 )
ln[f (x k ) f (x* )]
dac f(x*) 0: = lim
k ln[f (x k +1 ) f (x * )]
fiabilitatea
robusteea - evitarea excepiilor aritmetice i minimizarea erorilor de
rotunjire;
invariana la scalare;
alegerea corespunztoare a criteriului de terminare (stop);
f (x*) f (x), x R n
continuitate
derivabilitate
convexitate
metode de explorare
metode de eliminare
metode analitice
metode de cutare
proceduri iterative - se pornete de la o iniializare oarecare x0 i se
k
stabilete un ir de iteraii {xk}, astfel ca lim x = x * adic
Clasificare
explorare exhaustiv
explorare aleatoare
Dezavantajul principal
se calculeaz f(x0+k), kZ
dac f[x0+(k1)] > f(x0+k), se repet aceast etap pentru k
modificat cu o unitate
dac f[x0+(k1)] < f(x0+k), a fost depit punctul de minim i
se consider c noul interval de incertitudine este
[x0+(k2), x0+k]
Avantaje
Domeniu de aplicare
Principiu
Tehnici de optimizare
- note de curs -
2. METODE DE REZOLVARE
A PROBLEMELOR DE
OPTIMIZARE STAIONAR
FR RESTRICII
Demonstraie
T
f
f
df (x) =
dx i = dx = f (x),dx
i =1 xi
x
n
f (x),dx = 0
o()
=0
0
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
f (x + h) f (x)
o()
= f ( x), h +
Presupunem c exist
f ( x + h) f (x) f
lim
=
0
o()
=0
0
lim
f = f (x), h
x, x y, y , x,yRn
f (x), h
h, h f (x), f (x)
f (x + h) f (x)
o()
dac h, h = 1 i
= f (x), h +
f (x + h) f (x)
o()
1/2
f (x), f (x)
df (x * +h)
=0
d
f
= f (x), h
f (x * +h), h = 0
h este oarecare
f ( x*) = 0
f (x + h) f (x)
<0
0
lim
f (x + h) f (x)
<0
a.i. , cu < avem
f ( x + h ) < f ( x )
f ( x*) = 0
1
f(x) = f(x*) + (x x*)T f(x*) + (x x*)T H(x*)(x x*) + e(x x*) || x x* ||2
2
Prezentare general
Formula de calcul
x k +1 = x k + k h k
direciei de deplasare
pasului de deplasare
Clasificare
metode de ordinul I (directe): se calculeaz numai valorile funciei
obiectiv
metode de ordinul II: se calculeaz i derivatele de ordinul unu
metode de ordinul al III-lea: se calculeaz i derivatele de ordinul al
doilea
Utilizarea derivatelor
Avantaj: vitez de convergen crescut
Dezavantaj: efort de calcul suplimentar
Calculul derivatelor
Dac derivatele pot fi exprimate analitic fr un efort prea mare, se
specific expresiile analitice ale derivatelor
Dac nu dispunem de expresiile analitice ale derivatelor, acestea
trebuie evaluate numeric
creterea timpului de calcul
introducerea de erori suplimentare
pas optim
deplasarea pe direcia respectiv se face pn cnd se atinge
minimul pe aceast direcie
determinarea pasului optim crete volumul de calcule la fiecare
iteraie
exist metode care impun utilizarea pasului optim la fiecare
iteraie
determinarea pasului optim pe o anumit direcie se mai
numete cutare liniar exact
determinarea pasului optim const n a stabili min f (x k + h k )
xk
f(x)=c1
f(x)=c2
hk
xk+1
2 k
+
h , Hkhk
2
Minimizez f (x k +1 ( ))
df (x
k +1
d
( ))
= 0 f (x k ), h k + h k , H k h k = 0
* =
f (x k ), h k
h k , H (x k )h k
Observaii
x k x k 1
f (x k ) f (x k 1 )
x k x k 1
x
sau
sau
f (x k ) f (x k 1 )
f (x k )
dac ||x*|| sau f(x*) sunt foarte apropiate de zero, atunci criteriile
relative nu sunt utilizabile i se folosesc:
x k x k 1
1+ x
sau
f (x k ) f ( x k 1 )
1 + f (x )
k
f(x)
x
x
x
(a)
x (b)
Tehnici de optimizare
- note de curs -
2. METODE DE REZOLVARE
A PROBLEMELOR DE
OPTIMIZARE STAIONAR
FR RESTRICII
Demonstraie
T
f
f
df (x) =
dx i = dx = f (x),dx
i =1 xi
x
n
f (x),dx = 0
o()
=0
0
f ( x + h ) = f ( x ) + h , f ( x ) + o( ), lim
f (x + h) f (x)
o()
= f ( x), h +
Presupunem c exist
f ( x + h) f (x) f
lim
=
0
o()
=0
0
lim
f = f (x), h
x, x y, y , x,yRn
f (x), h
h, h f (x), f (x)
f (x + h) f (x)
o()
dac h, h = 1 i
= f (x), h +
f (x + h) f (x)
o()
1/2
f (x), f (x)
df (x * +h)
=0
d
f
= f (x), h
f (x * +h), h = 0
h este oarecare
f ( x*) = 0
f (x + h) f (x)
<0
0
lim
f (x + h) f (x)
<0
a.i. , cu < avem
f ( x + h ) < f ( x )
f ( x*) = 0
1
f(x) = f(x*) + (x x*)T f(x*) + (x x*)T H(x*)(x x*) + e(x x*) || x x* ||2
2
Prezentare general
Formula de calcul
x k +1 = x k + k h k
direciei de deplasare
pasului de deplasare
Clasificare
metode de ordinul I (directe): se calculeaz numai valorile funciei
obiectiv
metode de ordinul II: se calculeaz i derivatele de ordinul unu
metode de ordinul al III-lea: se calculeaz i derivatele de ordinul al
doilea
Utilizarea derivatelor
Avantaj: vitez de convergen crescut
Dezavantaj: efort de calcul suplimentar
Calculul derivatelor
Dac derivatele pot fi exprimate analitic fr un efort prea mare, se
specific expresiile analitice ale derivatelor
Dac nu dispunem de expresiile analitice ale derivatelor, acestea
trebuie evaluate numeric
creterea timpului de calcul
introducerea de erori suplimentare
pas optim
deplasarea pe direcia respectiv se face pn cnd se atinge
minimul pe aceast direcie
determinarea pasului optim crete volumul de calcule la fiecare
iteraie
exist metode care impun utilizarea pasului optim la fiecare
iteraie
determinarea pasului optim pe o anumit direcie se mai
numete cutare liniar exact
determinarea pasului optim const n a stabili min f (x k + h k )
xk
f(x)=c1
f(x)=c2
hk
xk+1
2 k
+
h , Hkhk
2
Minimizez f (x k +1 ( ))
df (x
k +1
d
( ))
= 0 f (x k ), h k + h k , H k h k = 0
* =
f (x k ), h k
h k , H (x k )h k
Observaii
x k x k 1
f (x k ) f (x k 1 )
x k x k 1
x
sau
sau
f (x k ) f (x k 1 )
f (x k )
dac ||x*|| sau f(x*) sunt foarte apropiate de zero, atunci criteriile
relative nu sunt utilizabile i se folosesc:
x k x k 1
1+ x
sau
f (x k ) f ( x k 1 )
1 + f (x )
k
f(x)
x
x
x
(a)
x (b)
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
L( x (t ), x (t ), t )dt , x =
t0
dx
dt
(1)
x = (t ), x = (t )
d
d
dx(t )
( x) = (t ) = (t ) =
dt
dt
dt
(2)
(3)
I ( ) = I ( ) I =
L( x + , x + , t )dt L( x, x, t )dt
t0
tf
t0
(4)
dI ( )
2 d 2 I ( )
+
+ ... (5)
Se dezvolt n serie Taylor I ( ) =
2
d =0 2! d =0
Se noteaz
- prima variaie a funcionalei
dI ( )
I ( ) =
d =0
2 2
d I ( )
(6)
(7)
(8)
(9)
Pentru foarte mic I ( ) I ( )
Dac pentru un anumit x(t) funcionala I atinge minimul la = 0
atunci, ntr-o vecintate, creterea trebuie s fie pozitiv
dI ( )
0
d =0
dI ( )
(10)
= 0 sau I ( ) = 0
Condiia necesar de minim
d =0
x =
x
x(t ) = x* +
tf
I ( ) =
(t0 ) = (t f )
x (t )
*
*
L
(
x
+
,
x
+ , t )dt
t0
tf
dI
L
L
= *
+
dt
*
d t ( x + )
( x + )
x* (t ) extremal
tf
t0
dI
d
tf
tf
=0
tf
L( x* , x* , t )
L( x* , x* , t )
=
+
dt = 0
*
*
x
x
t0
tf
L
L
d L
d L
dt
=
dt
=
dt
*
dt
x*
x* t0 t dt x*
x
t
0
I =
dI
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
(t0 ) = (t f ) = 0
tf
Dac I =
f (t ) (t )dt = 0
t0
pe intervalul [t0 , t f ]
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
pentru orice (t )
L( x, x , t ) d L( x, x , t )
2L
2L
2 L L
x (t ) +
x (t ) +
=0
xx
xx
xt x
Ecuaia Euler se generalizeaz i pentru
integrale cu mai multe variabile independente
integrale care conin derivate de ordin superior
integrale cu mai multe variabile dependente
(12)
h(t , x (t )) = 0, h R p , p < n
F ( x , x , , t ) = L( x , x , t ) + T (t ) h( x , t )
(13)
(14)
F d F
=0
*
*
x dt x
ecuaie de aceeai form cu (11), scris ns pentru F
ecuaia Euler Lagrange a funciei F n raport cu variabila conduce la
legturile (13)
f ( x , x , t )dt = k , k R p , f R p
(15)
t0
x0 (t ) =
f ( x, x , t )dt , x0 (t ) R p
x 0 (t ) = f ( x , x , t )
(16)
t0
F ( x, x , , t ) = L( x, x , t ) + T [ f ( x, x , t ) x 0 (t )]
(17)
F d F L f
d L f
=
+ T + T
x dt x x x
dt x x
= 0
d
(t ) = 0 (t ) = const.
dt
(18)
(19)
H ( x , x , , t ) = L( x , x , t ) + T f ( x , x , t )
funcia sintetic a lui Hamilton (Hamiltonian)
(20)
Se consider sistemul
x (t ) = f ( x (t ), u(t ), t ), x R n , u R n , t [t0 , t f ] R
(21)
I=
L( x (t ), u(t ), t )dt ,
(22)
t0
(23)
F ( x, x , , u, t ) = L( x, u, t ) + T (t )[ f ( x, u, t ) x ], R n
(24)
Se introduce hamiltonianul
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(24)+(25)
F ( x , x , u, , t ) = H ( x , u, , t ) T (t ) x (t )
(25)
(26)
F d F
=0
u dt u
F d F
=0
x dt x
F d F
=0
dt
H
= 0 - condiia necesar de extrem
*
u
(27)
H
* (t )
=
x*
(28)
H
*
=
x
(t )
*
- ecuaiile canonice
ale lui Hamilton
(29)
= T x+ T u+ T +
dt x
t
u
dH H
=
dt
t
dH
Pentru problemele invariante
=0
dt
H ( x , u, ) este constant pe traiectoria extremal
Pe traiectoria extremal
(30)
(31)
(32)
x (t ) = f ( x (t ), u(t ), t ), x R n , u R m
(33)
f
din condiiile iniiale x (t0 ) fixate ntr-o stare final x = x (t f ) liber
n R n , cu t f > t0 liber, astfel nct s se minimizeze criteriul
tf
I = M (t f , x f ) +
(34)
I = M (t f , x f ) + [ H ( x , u, , t ) T (t ) x (t )]dt
t0
tf
H ( x, u, , t )dt (t ) x (t )
I = M (t f , x ) +
f
t0
tf
t0
(35)
tf
T (t ) x (t )dt
(36)
t0
M (t f , x f )
x f
M (t f , x f )
t f
= * (t f )
+ H ( x* (t f ), u* (t f ), * (t f ), t f ) = 0
(37)
(38)
x f = g (t f )
(39)
M (t f , x )
M
(
t
,
x
) *
f
*
*
*
+ H [ x (t f ), u (t f ), (t f ), t f ] +
(t f ) g (t f ) = 0 (40)
f
t f
x
(41)
(42)
tf
I ' = I T I ( x, t )
t =t0
+ T F ( x, t )
t =t f
M '(t0 , x , t f , x ) = M (t0 , x , t f , x ) T I ( x , t )
0
M
(t0 ) =
x
M
(t f ) =
x
x , t0
x ,tf
I
+ T
x
x , t0
F
+ T
x
x ,tf
t = t0
+ T F ( x, t )
t =t f
(44)
(45)
condiiile de transversalitate
(46)
xR :
2L
0
2
x
2L
2L
1 n
1 1
2
0
=
x Rn :
T
x x
2
2
L L
x x
xn xn
n 1
(47)
(48)
H
(i )
=0
u
*
2H
(ii ) 2 > 0
u
2H 2H
2
u
x
0
(iii )
2
2
H H
2
x
u
u
2H
0
(iv)
2
x
2M
0
2
x f
(49)
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
L( x (t ), x (t ), t )dt , x =
t0
dx
dt
(1)
x = (t ), x = (t )
d
d
dx(t )
( x) = (t ) = (t ) =
dt
dt
dt
(2)
(3)
I ( ) = I ( ) I =
L( x + , x + , t )dt L( x, x, t )dt
t0
tf
t0
(4)
dI ( )
2 d 2 I ( )
+
+ ... (5)
Se dezvolt n serie Taylor I ( ) =
2
d =0 2! d =0
Se noteaz
- prima variaie a funcionalei
dI ( )
I ( ) =
d =0
2 2
d I ( )
(6)
(7)
(8)
(9)
Pentru foarte mic I ( ) I ( )
Dac pentru un anumit x(t) funcionala I atinge minimul la = 0
atunci, ntr-o vecintate, creterea trebuie s fie pozitiv
dI ( )
0
d =0
dI ( )
(10)
= 0 sau I ( ) = 0
Condiia necesar de minim
d =0
x =
x
x(t ) = x* +
tf
I ( ) =
(t0 ) = (t f )
x (t )
*
*
L
(
x
+
,
x
+ , t )dt
t0
tf
dI
L
L
= *
+
dt
*
d t ( x + )
( x + )
x* (t ) extremal
tf
t0
dI
d
tf
tf
=0
tf
L( x* , x* , t )
L( x* , x* , t )
=
+
dt = 0
*
*
x
x
t0
tf
L
L
d L
d L
dt
=
dt
=
dt
*
dt
x*
x* t0 t dt x*
x
t
0
I =
dI
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
(t0 ) = (t f ) = 0
tf
Dac I =
f (t ) (t )dt = 0
t0
pe intervalul [t0 , t f ]
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
pentru orice (t )
L( x, x , t ) d L( x, x , t )
2L
2L
2 L L
x (t ) +
x (t ) +
=0
xx
xx
xt x
Ecuaia Euler se generalizeaz i pentru
integrale cu mai multe variabile independente
integrale care conin derivate de ordin superior
integrale cu mai multe variabile dependente
(12)
h(t , x (t )) = 0, h R p , p < n
F ( x , x , , t ) = L( x , x , t ) + T (t ) h( x , t )
(13)
(14)
F d F
=0
*
*
x dt x
ecuaie de aceeai form cu (11), scris ns pentru F
ecuaia Euler Lagrange a funciei F n raport cu variabila conduce la
legturile (13)
f ( x , x , t )dt = k , k R p , f R p
(15)
t0
x0 (t ) =
f ( x, x , t )dt , x0 (t ) R p
x 0 (t ) = f ( x , x , t )
(16)
t0
F ( x, x , , t ) = L( x, x , t ) + T [ f ( x, x , t ) x 0 (t )]
(17)
F d F L f
d L f
=
+ T + T
x dt x x x
dt x x
= 0
d
(t ) = 0 (t ) = const.
dt
(18)
(19)
H ( x , x , , t ) = L( x , x , t ) + T f ( x , x , t )
funcia sintetic a lui Hamilton (Hamiltonian)
(20)
Se consider sistemul
x (t ) = f ( x (t ), u(t ), t ), x R n , u R n , t [t0 , t f ] R
(21)
I=
L( x (t ), u(t ), t )dt ,
(22)
t0
(23)
F ( x, x , , u, t ) = L( x, u, t ) + T (t )[ f ( x, u, t ) x ], R n
(24)
Se introduce hamiltonianul
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(24)+(25)
F ( x , x , u, , t ) = H ( x , u, , t ) T (t ) x (t )
(25)
(26)
F d F
=0
u dt u
F d F
=0
x dt x
F d F
=0
dt
H
= 0 - condiia necesar de extrem
*
u
(27)
H
* (t )
=
x*
(28)
H
*
=
x
(t )
*
- ecuaiile canonice
ale lui Hamilton
(29)
= T x+ T u+ T +
dt x
t
u
dH H
=
dt
t
dH
Pentru problemele invariante
=0
dt
H ( x , u, ) este constant pe traiectoria extremal
Pe traiectoria extremal
(30)
(31)
(32)
x (t ) = f ( x (t ), u(t ), t ), x R n , u R m
(33)
f
din condiiile iniiale x (t0 ) fixate ntr-o stare final x = x (t f ) liber
n R n , cu t f > t0 liber, astfel nct s se minimizeze criteriul
tf
I = M (t f , x f ) +
(34)
I = M (t f , x f ) + [ H ( x , u, , t ) T (t ) x (t )]dt
t0
tf
H ( x, u, , t )dt (t ) x (t )
I = M (t f , x ) +
f
t0
tf
t0
(35)
tf
T (t ) x (t )dt
(36)
t0
M (t f , x f )
x f
M (t f , x f )
t f
= * (t f )
+ H ( x* (t f ), u* (t f ), * (t f ), t f ) = 0
(37)
(38)
x f = g (t f )
(39)
M (t f , x )
M
(
t
,
x
) *
f
*
*
*
+ H [ x (t f ), u (t f ), (t f ), t f ] +
(t f ) g (t f ) = 0 (40)
f
t f
x
(41)
(42)
tf
I ' = I T I ( x, t )
t =t0
+ T F ( x, t )
t =t f
M '(t0 , x , t f , x ) = M (t0 , x , t f , x ) T I ( x , t )
0
M
(t0 ) =
x
M
(t f ) =
x
x , t0
x ,tf
I
+ T
x
x , t0
F
+ T
x
x ,tf
t = t0
+ T F ( x, t )
t =t f
(44)
(45)
condiiile de transversalitate
(46)
xR :
2L
0
2
x
2L
2L
1 n
1 1
2
0
=
x Rn :
T
x x
2
2
L L
x x
xn xn
n 1
(47)
(48)
H
(i )
=0
u
*
2H
(ii ) 2 > 0
u
2H 2H
2
u
x
0
(iii )
2
2
H H
2
x
u
u
2H
0
(iv)
2
x
2M
0
2
x f
(49)
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
L( x (t ), x (t ), t )dt , x =
t0
dx
dt
(1)
x = (t ), x = (t )
d
d
dx(t )
( x) = (t ) = (t ) =
dt
dt
dt
(2)
(3)
I ( ) = I ( ) I =
L( x + , x + , t )dt L( x, x, t )dt
t0
tf
t0
(4)
dI ( )
2 d 2 I ( )
+
+ ... (5)
Se dezvolt n serie Taylor I ( ) =
2
d =0 2! d =0
Se noteaz
- prima variaie a funcionalei
dI ( )
I ( ) =
d =0
2 2
d I ( )
(6)
(7)
(8)
(9)
Pentru foarte mic I ( ) I ( )
Dac pentru un anumit x(t) funcionala I atinge minimul la = 0
atunci, ntr-o vecintate, creterea trebuie s fie pozitiv
dI ( )
0
d =0
dI ( )
(10)
= 0 sau I ( ) = 0
Condiia necesar de minim
d =0
x =
x
x(t ) = x* +
tf
I ( ) =
(t0 ) = (t f )
x (t )
*
*
L
(
x
+
,
x
+ , t )dt
t0
tf
dI
L
L
= *
+
dt
*
d t ( x + )
( x + )
x* (t ) extremal
tf
t0
dI
d
tf
tf
=0
tf
L( x* , x* , t )
L( x* , x* , t )
=
+
dt = 0
*
*
x
x
t0
tf
L
L
d L
d L
dt
=
dt
=
dt
*
dt
x*
x* t0 t dt x*
x
t
0
I =
dI
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
(t0 ) = (t f ) = 0
tf
Dac I =
f (t ) (t )dt = 0
t0
pe intervalul [t0 , t f ]
tf
=0
L d L
= *
(t )dt = 0
*
dt x
t0 x
pentru orice (t )
L( x, x , t ) d L( x, x , t )
2L
2L
2 L L
x (t ) +
x (t ) +
=0
xx
xx
xt x
Ecuaia Euler se generalizeaz i pentru
integrale cu mai multe variabile independente
integrale care conin derivate de ordin superior
integrale cu mai multe variabile dependente
(12)
h(t , x (t )) = 0, h R p , p < n
F ( x , x , , t ) = L( x , x , t ) + T (t ) h( x , t )
(13)
(14)
F d F
=0
*
*
x dt x
ecuaie de aceeai form cu (11), scris ns pentru F
ecuaia Euler Lagrange a funciei F n raport cu variabila conduce la
legturile (13)
f ( x , x , t )dt = k , k R p , f R p
(15)
t0
x0 (t ) =
f ( x, x , t )dt , x0 (t ) R p
x 0 (t ) = f ( x , x , t )
(16)
t0
F ( x, x , , t ) = L( x, x , t ) + T [ f ( x, x , t ) x 0 (t )]
(17)
F d F L f
d L f
=
+ T + T
x dt x x x
dt x x
= 0
d
(t ) = 0 (t ) = const.
dt
(18)
(19)
H ( x , x , , t ) = L( x , x , t ) + T f ( x , x , t )
funcia sintetic a lui Hamilton (Hamiltonian)
(20)
Se consider sistemul
x (t ) = f ( x (t ), u(t ), t ), x R n , u R n , t [t0 , t f ] R
(21)
I=
L( x (t ), u(t ), t )dt ,
(22)
t0
(23)
F ( x, x , , u, t ) = L( x, u, t ) + T (t )[ f ( x, u, t ) x ], R n
(24)
Se introduce hamiltonianul
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(24)+(25)
F ( x , x , u, , t ) = H ( x , u, , t ) T (t ) x (t )
(25)
(26)
F d F
=0
u dt u
F d F
=0
x dt x
F d F
=0
dt
H
= 0 - condiia necesar de extrem
*
u
(27)
H
* (t )
=
x*
(28)
H
*
=
x
(t )
*
- ecuaiile canonice
ale lui Hamilton
(29)
= T x+ T u+ T +
dt x
t
u
dH H
=
dt
t
dH
Pentru problemele invariante
=0
dt
H ( x , u, ) este constant pe traiectoria extremal
Pe traiectoria extremal
(30)
(31)
(32)
x (t ) = f ( x (t ), u(t ), t ), x R n , u R m
(33)
f
din condiiile iniiale x (t0 ) fixate ntr-o stare final x = x (t f ) liber
n R n , cu t f > t0 liber, astfel nct s se minimizeze criteriul
tf
I = M (t f , x f ) +
(34)
I = M (t f , x f ) + [ H ( x , u, , t ) T (t ) x (t )]dt
t0
tf
H ( x, u, , t )dt (t ) x (t )
I = M (t f , x ) +
f
t0
tf
t0
(35)
tf
T (t ) x (t )dt
(36)
t0
M (t f , x f )
x f
M (t f , x f )
t f
= * (t f )
+ H ( x* (t f ), u* (t f ), * (t f ), t f ) = 0
(37)
(38)
x f = g (t f )
(39)
M (t f , x )
M
(
t
,
x
) *
f
*
*
*
+ H [ x (t f ), u (t f ), (t f ), t f ] +
(t f ) g (t f ) = 0 (40)
f
t f
x
(41)
(42)
tf
I ' = I T I ( x, t )
t =t0
+ T F ( x, t )
t =t f
M '(t0 , x , t f , x ) = M (t0 , x , t f , x ) T I ( x , t )
0
M
(t0 ) =
x
M
(t f ) =
x
x , t0
x ,tf
I
+ T
x
x , t0
F
+ T
x
x ,tf
t = t0
+ T F ( x, t )
t =t f
(44)
(45)
condiiile de transversalitate
(46)
xR :
2L
0
2
x
2L
2L
1 n
1 1
2
0
=
x Rn :
T
x x
2
2
L L
x x
xn xn
n 1
(47)
(48)
H
(i )
=0
u
*
2H
(ii ) 2 > 0
u
2H 2H
2
u
x
0
(iii )
2
2
H H
2
x
u
u
2H
0
(iv)
2
x
2M
0
2
x f
(49)
Tehnici de optimizare
- note de curs -
METODE
VARIAIONALE
CLASICE
I=
k f 1
k f 1
L( x (k ), x (k + 1), k ) = Lk
k = k0
k = k0
x ( k ) = x (tk ), x ( k0 ) = x (t0 ), x ( k f ) = x (t f )
tk
x(k ) = x(kT )
T - perioada de eantionare
(1)
x ( k ) = x * ( k ) + x ( k )
x (k + 1) = x (k + 1) + x ( k +1)
*
(2)
x (k ) = x ( k )
x ( k + 1) = x ( k +1)
x ( k0 ) = x ( k f ) = 0
(3)
x ( k0 ) = x 0
x (k f ) = x f
Condiia de extrem
k f 1
Lk
Lk
, x(k+1) = 0 (5)
= 0 * , x(k) + *
x (k +1)
k =k0 x (k)
=0
k f 1
T
Lk
Lk
T
(6)
I
=
x
(
k
)
+
x
(
k
+
1)
=0
*
*
x ( k )
x (k + 1)
k = k0
k f 1
kf
L (x(k), x(k +1), k)
L(x(m1), x(m), m1)
k m 1 xT (k +1) k
= xT (m)
x(k +1)
x(m)
k=k0
m=k0+1
I
(4) I = 0 sau
k 1
f
L
L( x (k 1), x (k ), k 1)
T
T
+
x (k + 1) x (k + 1) = x (k )
x (k )
k = k0
k = k0
k =k f
L( x (k 1), x (k ), k 1)
+ x (k )
x (k )
k =k
T
(7)
(6) + (7)
k f 1
L( x ( k ), x (k + 1), k ) L( x (k 1), x (k ), k 1)
+
+
x (k )
x (k )
x (k )
k = k0
T
+ xT (k )
k =k f
(8)
L( x (k 1), x ( k ), k 1)
=0
x (k )
k =k
0
L( x (k ), x (k + 1), k ) L( x (k 1), x (k ), k 1)
+
=0
x (k )
x (k )
ecuaia
Euler Lagrange
(9)
Sistemul
I =M
k =k f
( x ( k ), k ) k = k
0
k f 1
L( x (k ), u(k ), k ),
(11)
k = k0
Hamiltonianul
H ( x (k ), u(k ), ( k + 1), k ) =
= L( x (k ), u(k ), k ) + T (k + 1) f ( x (k ), u(k ), k ), (k ) R n
(12)
I =M
k =k f
( x(k )) k =k
0
k f 1
T
[
H
(
x
(
k
),
u
(
k
),
(
k
+
1))
k =k0
T (k f )
M (k f )
x(k f )
T (k0 )
k f 1
M (k0 )
H (k ) T H (k )
+ [T (k )
+ (k )
+
x(k0 ) k =k0
x(k )
u(k )
k 1
f
H (k )
T
] [ T (k +1)(k + 1) + T (k +1) x(k +1)] = 0
+ (k +1)
(k + 1) k =k0
(14)
T ( k + 1)(k + 1) =
k = k0
kf
T (k )(k ) =
k = k0 +1
= T (k f )(k f ) T ( k0 )(k0 ) +
(14) + (15)
(15)
k f 1
T (k )(k )
k = k0
M (k f )
T
M (k0 )
(k f )
( k f ) ( k0 )
( k0 ) +
x (k )
x (k0 )
k f 1
k f 1
H
(
k
)
H (k )
+ T (k )
( k ) + T ( k )
+
u(k )
x ( k )
k = k0
k = k0
T
k f 1
H (k )
+ T (k + 1)
x ( k + 1) = 0
(k + 1)
k = k0
(16)
(16)
H ( x* (k ), u* (k ), * (k + 1))
=0
*
u ( k )
(17)
H ( x* (k ), u* ( k ), * (k + 1))
*
(k )
=
*
x (k )
condiiile Hamilton
pentru cazul discret
(18)
H ( x * (k ), u* (k ), * (k + 1))
*
=
x
(k + 1)
*
( k + 1)
(19)
M ( x (k0 )) *
( k0 ) = 0
x (k0 )
(20)
M ( x (k f ))
x (k f )
* (k f ) = 0
condiiile de transversalitate
n raport cu capetele traiectoriei
(21)
M ( x* (k f ), k f )
k f
(22)
2H
u2
+ H ( x* (k f ), u* (k f ) * (k f ), k f ) = 0
(23)
u = u*
x = f ( x, u, t ), cu x R ,
n
f
x (t0 ) = x 0 , t0 , t f , x fixate
(24)
tf
I=
L( x, u, t )dt
(25)
t0
H ( x , u, , t ) = L ( x , u, t ) + T f ( x , u, t )
(26)
H
L( x , u, t ) T f ( x, u, t )
=0
+ (t )
=0
u
u
u
(27)
H
L( x, u, t ) T f ( x , u, t )
=
+ (t )
= (t )
x
x
x
(28)
M ( x f )
= (t f ) (t f ) = 0
f
x
(29)
Se apeleaz la discretizarea
x ((k + 1)T ) x ( kT )
x kT =
T
((k + 1)T ) (kT )
kT =
T
0
(24)+(30)+(31) x (k + 1) = x (k ) + Tf ( x (k ), u(k ), k ), x (k0 ) = x
(27)+(28)+(29)+(30)+(31)
L( x (k ), u(k ), k ) f ( x (k ), u(k ), k )
+
( k ) = 0
T
u(k )
u (k )
(k + 1) = (k ) T
( k f ) = 0
L( x (k ), u(k ), k )
f ( x (k ), u(k ), k )
T
( k )
T
x ( k )
x (k )
(30)
(31)
(32)
(33)
(34)
(35)
x (k + 1) = x (k ) + Tf ( x (k ), u(k ), k ), x (k0 ) = x 0
(36)
I =T
k f 1
L( x (k ), u(k ), k )
(37)
k = k0
Hamiltonianul este
H ( k ) = TL( x ( k ), u( k ), k ) + T ( k + 1)[ x ( k ) + Tf ( x ( k ), u( k ), k )]
H (k )
L( x ( k ), u(k ), t )
f
=0
+ T
(k + 1) = 0
u( k )
u(k )
u ( k )
(38)
(39)
H (k )
L( x (k ), u(k ), k )
f
(k + 1) = (k ) (40)
= ( k ) T
+ In + T T
x (k )
x (k )
x (k )
f ( x (k ), u(k ), k )
L( x (k ), u( k ), k )
(k + 1) = I n + T
(
k
)
T
x (k )
x
(
k
)
(41)
Tehnici de optimizare
- note de curs -
PROBLEMA DE
OPTIMIZARE LINIAR
PTRATIC
sistem liniar
criteriu ptratic
(1)
tf
1
1
I = xT (t f ) Sx (t f ) + xT (t )Q (t ) x (t ) + uT (t ) P (t ) u(t ) dt
2
2t
(2)
S 0, Q (t ) 0, P (t ) > 0
t0 , t f - fixai
x 0 (t0 ) = x 0
- fixat
x (t f ) - liber
1 T
1
x (t )Q (t ) x (t ) + uT (t ) P (t )u(t ) + T (t )[ A(t ) x (t ) + B (t )u(t )]
2
2
H
= (t ) (t ) = Q (t ) x (t ) AT (t ) (t )
x
H
= 0 P (t ) u(t ) + BT (t ) (t ) = 0 u(t ) = P 1 (t ) BT (t ) (t )
u
M
= (t f ) (t f ) = Sx (t f )
f
x
2H
= P (t ) > 0
2
u
M
=S 0
2
x f
2
2 H
= Q (t ) 0
2
x
2 H 2 H
2
Q (t )
0
=
0
2
2
P (t )
H H 0
xu u 2
(3)
(4)
(5)
(6)
(7)
(6) + (7) R (t f ) = S
(8)
(9)
N (t ) = B (t ) P 1 (t ) BT (t )
(10)
(12)
x (t ) = [ A(t ) N (t ) R(t )] x (t )
0
cu condiia iniial x (t0 ) = x
(13)
x (t ) = A(t ) x (t ) N (t ) (t )
(t ) = Q (t ) x (t ) AT (t ) (t )
X (t ) = A(t ) X (t ) N (t ) (t )
(t ) = Q (t ) X (t ) AT (t ) (t )
(14)
(15)
R (t ) = (t ) X 1 (t )
Dac S 0, Q 0, P > 0 X(t) nesingular
(17)
u(t ) = P 1 (t ) BT (t ) R(t ) x (t )
(18)
I * ( x (t ), t ) =
1 T
x (t ) R(t ) x (t )
2
(19)
I* =
1 T
x (t0 ) R(t0 ) x (t0 )
2
(20)
P B
u (t )
x (t )
x (t )
(t ) R(t )
K (t ) = P 1 (t ) BT (t ) R(t )
(21)
(22)
1
I = [ xT (t )Qx (t ) +uT (t ) Pu(t )]dt
20
(23)
(24)
Q 0, P 0
Sistemul optimal nchis trebuie s fie stabil, deci perechea (A,B) s fie
stabilizabil (eventual, se poate impune ca ea s fie complet
controlabil)
u(t ) = Kx (t )
(K matrice constant)
(25)
1
= [ xT (t )Qx (t ) + uT (t ) Pu(t )]dt
20
Fie I t
f
n acest caz R (t f ) = 0
(26)
(27)
Proprieti
i.
ii.
exist i R 0
n condiiile de la (i), R definit de (28) este soluie a ecuaiei matriceale
algebrice Riccati (EMAR)
RBP 1BT R RA AT R Q = 0
iii.
(28)
(29)
(30)
este o soluie n c.. a PLPI, iar valoarea optim a criteriului (24) este
I *
1 0T 0
= x Rx
2
(31)
iv.
x = x + u
1
I = u 2 dt
20
este
t f
este soluia
limita
*
valoarea minim a indicelui de calitate este I
= x Rx 0 , unde x 0 = x (0)
1 T
Dac n plus perechea ( Q , A) este detectabil, matricea K = P B R
comanda corespunztoare u(t ) = Kx (t ) sunt stabilizatoare i matricea
este unica soluie pozitiv semidefinit a EMAR (29)
R0 (t ), R1 (t ),..., Ri (t ),...,
care se poate demonstra c este convergent ctre soluia R(t) a EMDR
i ale crui elemente se calculeaz cu
t
R (t ) [ R(t + ) R(t )] /
(12)
R0 (t ), R1 (t ),..., Rk (t ),...,
obinute ca soluii ale ecuaiilor difereniale liniare
(32)
....................
Rk =Rk[A(t) N(t)Rk1(t)] [AT (t) Rk1(t)N(t)]Rk Rk1(t)N(t)Rk1(t) Q(t),
Rk (t f ) = S.
Se poate arta c pentru R0 (t ) 0, t [t0 , t f ] derivabil n raport cu t,
exist relaia Rk (t ) Rk 1 (t ) iar irul de matrice { Rk (t )} converge
uniform ctre soluia EMDR (12)
A(t) N(t)
X (t)
X(t)
,
= H(t) , H(t) =
(t)
(t)
Q(t) A (t)
0
JHJ = H , cu J =
In
T
(t , t f )
N (t ) = B(t ) P 1 (t ) BT (t )
(33)
In
0
X (t f )
11 (t , t f ) 12 (t , t f )
X (t )
In
(t ) = (t , t f ) (t ) = (t , t f ) S , (t , t f ) = (t , t ) (t , t )
f
22
f
21 f
R(t ) = [ 21 (t , t f ) + 22 (t , t f ) S ][ 11 (t , t f ) + 12 (t , t f ) S ]1
(34)