数模学习教材-第十八章 变分法模型.pdfVIP

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 x2 2 J (y (x)) ∫x1 2πy (x) 1+y (x) dx （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)) ∫t1 F (t, x , x)dt （3 ） 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)) ε 来度量， 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 -336- ΔJ L(x (t),δx (t)) +r(x (t),δx (t)) 0 0 其中 L 为δx 的线性项，而r 是δx 的高阶项，则L 称为泛函在 x0 (t) 的变分，记作 δJ (x0 (t)) 。用变动的x (t) 代替x0 (t) ，就有δJ (x (t)) 。 泛函变分的一个重要形式是它可以表为对参数α 的导数：