最优控制原理 变分法.pptVIP

Ch.7 最优控制原理 目录(1/1) 目 录 7.1 最优控制概述 7.2 变分法 7.3 变分法在最优控制中的应用 7.4 极大值原理 7.5 线性二次型最优控制 7.6 动态规划与离散系统最优控制 7.7 Matlab问题 本章小结 变分法(1/1) 7.2 变分法 本节在讨论变分法之前,先简单讨论多元函数的极值问题,然后引出泛函的极值问题。 内容为 多元函数的极值问题 泛函 欧拉方程 横截条件 欧拉方程和横截条件的向量形式 多元函数的极值问题(1/1) 7.2.1 多元函数的极值问题 多元函数极值问题可分为 无约束条件极值问题、 等式约束条件极值问题和 不等式约束条件极值问题。 下面分别讨论。 无约束条件的多元函数极值(1/3) 1. 无约束条件的多元函数极值 无约束条件的多元函数的极值问题讨论的是: 假定多元函数f(x1,x2,…,xn)对其所有自变量都连续,且具有连续的一阶和二阶偏导数。 将所有自变量x1,x2,…,xn记为向量x的形式,则问题为求x,使x=x*时,f(x)达到极小值。 该问题可记为 无约束条件的多元函数极值(2/3)--定义7-1 函数极小的定义是一个相对概念,并不是在函数的定义域上的一个绝对概念,其基本定义可表述如下。 定义7-1 若存在一个?0,由‖x-x*‖??所规定的x*的邻域内总有y(x*)?y(x),则称点x*是函数y(x)的一个相对极小点,简称为极小点。 □ 由数学分析知识可知,无约束条件时的多元函数极小值问题的解x*满足如下必要条件 无约束条件的多元函数极值(3/3) 如果函数f(x)对x的二阶导数矩阵在x*为正定矩阵,则上述多元函数极小值问题的必要条件亦为充分条件,即 是x*为该多元函数极值问题的解的一个充分条件。 有等式约束条件的多元函数极值(1/5) 2. 有等式约束条件的多元函数极值 有等式约束条件的多元函数极值问题可描述为 式中,g(x)为p维的向量变量x的向量函数,并假定其连续可微; g(x)=0即为等式约束条件。 有等式约束条件的多元函数极值(2/5) 拉格朗日乘子法是解决有等式约束条件的函数极值问题的有效方法,其求解基本方法如下。 1) 先引入拉格朗日乘子?=[?1 ?2 … ?p]?,定义如下拉格朗日函数 2) 该极值问题的解x*满足如下必要条件 如果函数L(x)对x的二阶偏导数矩阵在x*为正定矩阵,则该必要条件亦为充分条件,即 有等式约束条件的多元函数极值(3/5)—例7-1 例7-1 求给定关于n维变量向量x的二次型标量函数 在约束条件 下的极小值。 其中,e为m维常数向量;A,H和b分别为适宜维数的常数矩阵和向量;c为常数。 有等式约束条件的多元函数极值(4/5) 解 先定义如下拉格朗日函数 式中,?为m维拉格朗日乘子向量,那么 当(A+A?)可逆时 由约束条件Hx=e,有 即 有等式约束条件的多元函数极值(5/5) 将上述?的表达式代入式(1),可得 当矩阵H为行满秩矩阵时,矩阵H(A+A?)-1H?是可逆的,此时上述解成立。 由极值问题的充分条件可知,当 时,上述极值为极小值。 有不等式约束条件的多元函数极值(1/7) 3. 有不等式约束条件的多元函数极值 有不等式约束条件的多元函数极值问题可描述为 式中,g(x)为p维的向量变量x的向量函数,并假定其连续可微; 式g(x)=0即为不等式约束, 符号“?”的意思为函数向量g(x)中每个元素“小于等于0”。 有不等式约束条件的多元函数极值(2/7) 有不等式约束条件的函数极值问题的求解比等式约束条件的函数极值问题复杂。 受前面讨论的引入拉格朗日乘子的启发,求解不等式约束的函数极值问题也引入了乘子的概念,其求解基本方法可由如下库恩-塔哈克(Kuhn-Tucker)定理给出。 有不等式约束条件的多元函数极值(3/7)—定理7-1 定理7-1(库恩-塔哈克定理) 对上述不等式约束的极值函数问题,那么必存在p个不同时为零的数?1,?2,…,?p,满足为 式中,?=[?1 ?2 … ?p]?为库恩-塔哈克乘子向量; L(x,?)为如下库恩-塔哈克函数 有不等式约束条件的多元函数极值(4/7)—例7-2 例7-2 求给定关于n维变量向量x的二次型标量函数 解 先定义库恩-塔哈克函数如下 有不等式约束条件的多元函数极值(5/7) 根据库恩-塔哈克定理,极小值的必要条件如下: 式中,现在依次考虑下述4种可能情况: (1) ?1