最优控制算法综合剖析.docVIP

最优控制算法综合剖析 　　【摘 要】最优控制，顾名思义就是使控制系统的性能指标实现最优化的基本条件和综合方法。它是庞特利雅金在1958年提出的最大值原理和贝尔曼的动态规划的基础上，立足于状态变量法，解决复杂的系统问题，使其达到最优的指标。 　　【关键词】最优控制；神经网络；遗传算法 　　1 最优控制理论基本概念 　　利用最优控制算法能解决的问题是：按照控制对象的动态特征，选择一个容许控制，使被控对象按照技术要求运行，并使给定的性能指标函数达到最优值。然而，解决最优化问题的主要方法有：变分法、最小值原理以及动态规划这三种方法。在此方法上前人已经有着较为成熟的技术来研究最优化问题，但是，在未来的技术中，最优控制将会在算法上寻求更大的突破。 　　1.1 最优控制问题的一般提法 　　系统的状态方程。在解决一个最优控制问题时都会给定一个状态方程公式（1）： 　　其中f（x（t），u（t），t）对x于t满足李氏条件。系统的状态方程给出了系统内部状态随系统控制输入的变化关系，即内部状态的一种约束关系。 　　状态方程的边界条件，对于前面给出的状态方程，会有相应的约束条件，从来求得不同条件下的最优解。端点条件一般有三种类型：固定端、自由端和可变短。 　　容许控制，在实际的控制系统中，控制输入u是有一定限制的：0≤u≤umax或u≤c，此时的u为容许控制。 　　性能指标，即系统的目标函数。在最优控制问题中，都会给出一个衡量控制系统优劣的数量指标，它决定于最优控制所要达到的目标，一般表示为公式（2）： 　　综上所述，一个最优控制问题便是由以上四个方面综合决定的，尤其是系统的性能指标，它决定了一个系统的优劣。 　　1.2 最优控制问题的一般解决方法 　　最优控制所要解决的问题是，按照控制对象的动态特性，选择一个容许控制，使被控对象按照标准运行，并使给定的性能指标达到最优值。因此，在最优控制问题提出时，便形成了下列三种方法： 　　1.2.1 古典变分法 　　古典变分法即求取函数的极值，使得泛函取得极小值。它只能解决无约束或简单的有约束的一类的最优控制问题。而在工程实践中所遇到的确实容许控制属于闭集的一类最优控制问题，这样就促使了新的方法的产生。 　　1.2.2 最小值原理 　　最小值原理是庞特里雅金在古典变分法的基础上发展而来的，它为解决带有闭集约束的最优控制问题提供了有效的方法，但是，它仍旧是不完整的，在闭集约束的问题上它只是一个必要的条件。 　　1.2.3 动态规划 　　动态规划又称为多级决策理论，是由贝尔曼提出的一种非线性规划方法。它为闭集约束的最优控制问题提供了充分条件，由于连续系统的哈密顿-雅可比方程难于求解，因而不能满足实际的需求，因此人类仍旧需要寻求新的充分条件来弥补这种不足。 　　2 最优控制的计算方法 　　随着各种最优控制问题的发现，在原来的方法上也演变出了许多更精确的算法。目前，主要有以下两种算法，确定性算法（如梯度法、拟牛顿法、高斯- 牛顿算法等） 求解目标函数的梯度进行寻优计算，即共轭梯度法，速度较快，但是不能保证能够得到全局最优值。随机性算法（如遗传算法、模拟退火算法等）利用非线性函数预测进行寻优，可以得到全局最优值， 但求解速度缓慢。 　　2.1 最优控制数值算法 　　2.1.1 牛顿法 　　牛顿法是一种线性化方法，是求解多元函数极值问题的常用方法。处于需计算性能指标的二阶导数，又被称为二阶变分法。其优点是收敛速度快，缺点是需要计算倒数值，计算量较大且有时候导数的计算较困难。 　　2.1.2 拟牛顿法 　　在牛顿法中，它的主要突出优点是收敛速度快，但需要计算二阶偏导，为了克服这一缺点，人们提出了拟牛顿法。它是求解非线性优化问题最有效的方法之一，通过在试探点附近的二次逼近来引进牛顿条件来确定搜索方向。 　　2.1.3 共轭梯度法 　　共轭梯度法的基本思想是把共轭性与最速下降方法相结合，利用已知点处的梯度构造一组共轭方向，并沿这组方向进行搜素，求出目标函数的极小点。由于共轭梯度法的收敛速度比最速下降法要快的多，同时也避免了牛顿法中对海塞矩阵的计算，以此有点赢得了大多数人的青睐，在许多的工程应用中大多数的采取这种算法。 　　这是最优控制数值算法上运用的较多的三种方法，在常见的文献中均将这三种算法作为基础进行改进或者发散。除此以外还有梯度法、打靶法以及Bang-Bang控制算法等，随着最优控制问题的计算方法的不断改进和增多，最优控制问题已经在不同的研究领域中得以更深入的研究。 　　3 部分最优控制问题研究现状及应用 　　3.1 鲁棒控制与最优控制结合 　　对不确定的系统，我们现在采用的最佳控制策略是鲁棒控制。鲁棒优化，其实这也是一种基于梯度的算法。它是运用梯度优化得到