动态最优.pptVIP

动态最优 1.动态最优化的性质 1.1动态最优化问题的显著特征 离散时间例子（图1.1） 连续变量情形（图1.2） 动态最优化问题的基本要素： 一个给定的初始点和终结点 从初始点到终结点的允许路径 充当表现指标的一组时间路径 特定目标—最大或最小化路径值 1.2 目标泛函 泛函的概念 与通常函数中从实数到实数的映射不同，泛函反映路径与路径值之间的关系，是时间到实数（指标）的映射。该映射一般记作V[y(t)]。 目标泛函 最优路径是路径值V[y]的极大或极小化。任一路径都包含一个个时间区间，路径值是一个和。对离散时间情形，路径值是其成分弧的值 的和，对连续时间，和是一个定积： 表示弧值需要3种信息：1、开始阶段（时间）；2、开始状态；3、弧的行进方向（斜率），三者分别由 t, y(t) 和 y’(t) 表示。弧值的一般表达式是F[t, Y(t), y’(t)]。路径值泛函—弧值之和—通常写作 一个宏观经济学例子 假定效用完全来自于消费，社会目标是最大化时期 [0，T] 的效用总和，其目标泛函可以表示为 1.3 动态最优化的处理方法 处理动态最优化问题主要有3种方法：古典变分法、动态规划和最优控制理论。 支撑变分法的基本方法类似于微积分的基本方法。主要差别在于，现在处理的是影响泛函值V[y]的整条曲线 y(t) 的变分，而不是改变y=f(x)值的微分dx。 动态规划将给定的控制问题嵌入一簇控制问题中，结果，在求解给定问题过程中，实际求解了整簇控制问题。该方法将注意力集中在泛涵的最优值 上，而不是最优状态路径 。 一个最优值函数被用作解的一个特征，它给这 簇问题中的每个单个问题赋予一个最优值。嵌入过程导致求解原始问题的系统迭代程序的进行。迭代求解过程为贝尔曼最优性原理所揭示：如果你从最优的弧序列中砍掉第一段弧，剩下的序列就其自身而言仍然是最优的。 最优控制理论是变分法的进一步发展。它在动态最优化问题中考虑一个控制变量，将注意力集中于控制变量，通过运动方程将控制变量与状态变量相连。 2. 变分法 2.1 变分法的基本问题 变分法的任务是从一组允许路径 y中选取产生极值V[y]的路径。产生V[y]极值的路径 y称为极值曲线。  2.2 欧拉方程 变分法中最基本的一阶条件是欧拉方程。可令 为极值曲线来寻找构成该极值曲线的条件。考虑一组邻近路径（图2.1 ），它们穿过端点（0, A）和(T, Z)。可使用扰动曲线来产生这组路径，令该扰动路径是光滑的并穿过0点和T点，使 p(0)=p(T)=0 (2.2) 通过将 ，可以扰动 ，其中 是一个很小的数。邻近曲线为 其特性是，当 。 为给定曲线。这意味着每一 将确定一条特定邻近路径 y(t)，从而确定V[y]的一个特定值。结果，不是将V 视为y的泛函，而是将它看作 的函数 ，从而可以将古典微积分应用于函数 。已知曲线 — 对应于 — 产生一个极值，因此必然有 （2.4）描述了该极值曲线特征。 （2.4）使用了任意变量 和任意扰动曲线 p(t),是不可运算的。欧拉方程将这一必要条件表述为一种通常运算形式。 通过推导可知极值曲线的必要条件可表示为 或 上式对 t 积分后成为 (2.6)式中， 的全导数。 3. 最优控制理论 在最优控制理论中，除了时间变量和状态变量外，还要考虑一个控制变量。联系状态变量和控制变量的方程为： 与变分法问题相对应，最优控制问题可写作： 在经济分析中，常用 k 表示状态变量，c表示控制变量，并加上横截性条件。典型问题为 以增长模型为例。这时 是依赖于消费水平并被时间偏好因子贴现的即期效用函数： 并不依赖于资本存量k(t)，而是通过贴现因 子直接依赖于时间。约束描述了k的积累。如将k(t)看作资本，则约束为: 根据非线性最优化问题的静态解法（库恩—塔克条件），可对上述问题构造一个拉格朗日函数： 利用分部积分法可将（3.4）式写作： （3.5）式中第一项积分符号内的表达式称“汉密尔顿函数”，即 设定最优路径，给最优路径一个扰动，对控制变量而言的