- •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.
21. Динамическое программирование, принцип оптимальности и принцип вложения.
Динамическое программирование (ДП) позволяет отыскать глобальный экстремум в широком классе функций. Применять ДП можно только к таким ЦФ, для которых справедливо:
Q = F(U1,U2,…Un) = F[f1(U1,…Un-1),Un],
т.е. значение ЦФ зависит от одного управления Un и результата действия всех других управлений.
f1(U1,…Un-1) = f2[f1(U1,…Un-2),Un-1] – такие функции называют системами с памятью в один шаг или функциями марковского типа.
Q = F(Sn-1,Un), где Sn-1 = f2(U1,…Un-1)
S – состояние системы после принятия решения Un-1.
Функции марковского типа зависят от управления не непосредственно, а через непосредственное состояние системы. Задача с критериями марковского типа рассматриваются как многоэтапная задача, но на каждом шаге оптимизируется только одно управление.
Т.о. ДП дает возможность отыскать глобальный экстремум функции многих переменных, но требует чтобы функция была марковского типа. Метод ДП уменьшает размерность задачи. Он сводит min-,max-цию сложной задачи с многими независимыми переменными к последовательности min-, max-ции только по одной переменной.
Основу ДП составляет принцип оптимальности Беллмана: «Оптимальная стратегия обладает свойством, что какое бы не было начальное состояние и решения, принятые в начальный момент, последующие решения должны составлять оптимальное поведение, относительно состояния, полученного в предыдущем моменте.»
В динамическом программировании используется также принцип вложения, под которым понимается рассмотрение исходной задачи с позиций более широкого класса задач (например, рассматривать не 10, а m состояний). Это позволяет изучить целый класс задач, включая и исходную.
22. Решение задач оптимизации методом динамического программирования. Уравнения Беллмана.
Порядок решения: сначала строятся условно-оптимальные управления, т.е. делается гипотеза относительно состояния, в котором находится система, а затем ищется оптимальные управления, при условии, что система находится в этом состоянии. Так перебираются все возможные состояния системы. Т.е. принцип ДП требует найти оптимальное управление для любого шага, а затем задача идет в обратном направлении.
Процедура применения метода ДП в общем виде:
Q = f1(S0;U1) + f2(S1;U2) +…+ fn(Sn-1;Un) – ЦФ
Пусть мы находимся в состоянии Sm-1. Fm,n(Sm-1) – max прибыль за оставшиеся шаги до Sn.
Fm,n(Sm-1) = max[fm(Sm-1,Um) + fm+1(Sm,Um+1) +…+ fn(Sn-1,Un)]
Разобьем это выражение на 2 части:
Fm,n(Sm-1) = max{fm(Sm-1,Um) + max[fm+1(Sm,Um+1) +…+ fn(Sn-1,Un)]}
Fm,n(Sm-1) = max[fm(Sm-1,Um) + Fm+1,n(Sm)] – функциональные уравнения Беллмана, которые описывают переход от одной стадии решения к другой. В общем случае левая часть ≠ правой и только max левой части = правой.
23. Последовательность принятия решения в динамическом программировании. Функциональные уравнения.
Порядок решения: сначала строятся условно-оптимальные управления, т.е. делается гипотеза относительно состояния, в котором находится система, а затем ищется оптимальные управления, при условии, что система находится в этом состоянии. Так перебираются все возможные состояния системы. Т.е. принцип ДП требует найти оптимальное управление для любого шага, а затем задача идет в обратном направлении.
Процедура применения метода ДП в общем виде:
Q = f1(S0;U1) + f2(S1;U2) +…+ fn(Sn-1;Un) – ЦФ
Пусть мы находимся в состоянии Sm-1. Fm,n(Sm-1) – max прибыль за оставшиеся шаги до Sn.
Fm,n(Sm-1) = max[fm(Sm-1,Um) + fm+1(Sm,Um+1) +…+ fn(Sn-1,Un)]
Разобьем это выражение на 2 части:
Fm,n(Sm-1) = max{fm(Sm-1,Um) + max[fm+1(Sm,Um+1) +…+ fn(Sn-1,Un)]}
Fm,n(Sm-1) = max[fm(Sm-1,Um) + Fm+1,n(Sm)] – функциональные уравнения Беллмана, которые описывают переход от одной стадии решения к другой. В общем случае левая часть ≠ правой и только max левой части = правой.
