- •1. Постановка задачи оптимального управления. Критерии оптимальности.
- •2. Экономическая оценка эффективности процессов.
- •3. Постановка задачи оптимального управления в статике.
- •4. Постановка задачи оптим-го управления в динамике.
- •5.Исследование на экстремум одномерной целевой функции методом классического анализа
- •6. Одномерный поиск экстремума целевой функции методом сканирования:
- •7. Одномерный поиск экстремума целевой функции методом золотого сечения:
- •8. Одномерный поиск экстремума целевой функции методом с использованием чисел Фибоначчи.
- •9.Исследование многомерной целевой ф-ции методом классического анализа
- •10.Решение многомерной задачи оптимизации на условный экстремум.
- •12. Метод многомерного поиска экстремума ,Метод релаксации и Гаусса- Зайделя.
- •Метод релаксации
- •14. Метод поиска экстремума при наличии оврагов.
- •15. Ограничения типа «равенство»
- •16. Задачи типа «неравенство»
- •17. Метод случайного поиска.
- •18. Линейное программирование, примеры постановок задач лп.
- •19. Свойства задач лп:
- •20. Симплекс-метод.
- •21. Динамическое программирование, принцип оптимальности и принцип вложения.
- •22. Решение задач оптимизации методом динамического программирования. Уравнения Беллмана.
- •23. Последовательность принятия решения в динамическом программировании. Функциональные уравнения.
- •24. Вариационное исчисление. Классы допустимых функций.
- •25. Уравнение Эйлера для простейшего функционала. Условие Лежандра. Пример решения уравнения Эйлера.
- •26. Уравнение Эйлера и условие Лежандра для функционала, зависящего от n функций и их первых производных.
- •27. Уравнение Эйлера и условие Лежандра для функционала, зависящего от функции и от n ее производных. Пример.
- •29. Решение экстремальной задачи с подвижными границами. Условие трансверсальности. Пример.
- •30. Решение вариационных задач на условный экстремум при наличии интегральной связи. Пример.
- •31. Решение вариационных задач на условный экстремум с голономными связями.
- •32. Решение вариационных задач на условный экстремум с неголономными связями.
- •33.Особенности вариационных задач оптимального управления
- •34.Принцип максимума Понтрягина. Роль советских ученых в разработке пм.
- •35.Последовательность решения задач оптимального управления
- •36. Задача синтеза системы оптимального управления. Ее решение с помощью принципа максимума. Пример
- •37. Понятие аср. Необходимое условие применения экстремальных регуляторов. Сэр.
- •38. Сэр с измерением производной.
- •39. Сэр со вспомогательной модуляцией.
- •40. Сэр с запоминанием экстремума.
- •41. Сэр шагового типа.
- •42. Дифференциальное уравнение инерционного объекта с экстремальной статической характеристикой.
- •43. Аналитическое описание движения в сэр шагового типа
- •44. Графический метод исследования сэр.
- •45 Определение параметров автоколебания в сэр
- •46. Точный метод определения параметров автоколебаний в системах экстремального регулирования
- •47. Определение устойчивости периодических режимов в системах экстремального регулирования
- •48. Устойчивость систем экстремального регулирования при действии монотонных возмущений
- •1. Постановка задачи оптимального управления. Критерии оптимальности.
- •2. Экономическая оценка эффективности процессов.
- •3. Постановка задачи оптимального управления в статике.
6. Одномерный поиск экстремума целевой функции методом сканирования:
Метод нелинейного программирования.
Состоит в последовательном исследовании значения критерия оптимальности в ряде точек, принадлежащих области допустимых значении. Среди этих точек выбирается та,в которой критерии оптимальности принимает максимальное или минимальное значение.
В
ыбираются
все точки с определенным шагом Δ и
выбираются значения где кр. оптимальности
принимает максимальное или минимальное
значение Q.
Достоинства: всегда находим глобальный экстремум, поиск не зависит от вида критерия оптимальности, простота алгоритма поиска.
Недостатки: большое количество вычислении. Для уменьшения числа вычисления, вначале берут большой шаг Δ, находят предполагаемую область , в котором находится экстремум ,а потом эту область разбивают на более мелкие шаги Δ.
Метод деления интервала поиска пополам:
Заключается в том, что вначале определяется значение целевой функции в граничных точках и в середине интервала поиска. Затем находится значение Q в серединах полученных интервалов. Далее локализуют экстремум по трем точкам
Вычисляем до тех пор пока интервал не станет <= заданной точности.
Достоинства: гораздо меньше вычислений чем в предыдущем случае.
7. Одномерный поиск экстремума целевой функции методом золотого сечения:
Золотое сечение проводит деление отрезка таким образом, что отношение всего отрезка к большей части= отношению большей части к меньшей части.
Алгоритм:
1.вычисление значения точки 0.38(b-a);
2. локализуем по трем точкам
4. выбираем новый интервал
5. получаем точку 0ю38 от конца большого отрезка 0.38 (b-a1) и т.д.
Заканчивается тогда, когда интервал <= заданной точности.
8. Одномерный поиск экстремума целевой функции методом с использованием чисел Фибоначчи.
F0=1
F1=1
Fi=Fi-1+Fi-2
N |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
F |
1 |
1 |
2 |
3 |
5 |
8 |
13 |
21 |
По заданной точности определяется число N : N=(b-a)\Δ
По вспомогательному числу N выбираем число Фибоначчи: Fi<N<= Fi+1
Расчет уточненной значении точности: Δь=(b-a)\Fs, s=i+1
Если Цел. Функция возрастает, то продолжаем считать :Xi+1=Xl±Δm*Fs-2-i
Если ухудшается, то считаем:
X1=Xl+(-1)sign ΔmFs-2-i
9.Исследование многомерной целевой ф-ции методом классического анализа
Для непрерывных ф-ций многих переменных ,имеющих непрерывные 1и 2 производные ,необходимым условием экстремума есть равенство частных производных по всем производным.
n
∑ d Q i/ dU i =0
i=1
решая систему уравнений получаем точку U i (U 1 ; U 2 ; U3) _ _
проверим достаточное условие ∆Q= Q(U )-Q (U к )
если сохр.знак, экстремум существует.
Разложим целевую ф-цию в ряд Тейлора в окрестности точки U к подозрев. на экстремум.
_ _ n n m _
Q(U )= Q (U к ) + ∑ (d Q(U )/d U i )* ∆U +0.5 ∑ ∑( d Q(U)/ ∂U i *∂Uj) *∆U i
i=1 i=1 j=1
n m
∆Q=0.5 ∑ ∑ a ij * ∆U i* ∆U j
i=1 j=1
a ij = ∂Q/∂U i *∂Uj
Правило Сильвестра
Квадратичная форма будет положительно определенной ,когда все главные миноры матрицы А были положительны .для отрицат.: все нечетные главные миноры – отрицательные. ,все четные – положительные.
Опр: если квадратичная форма положительна определена в точке ,подозреваемой не экстремум то ф-ция имеет min и наоборот.
