" 0 C F G H K L N P S T W Z А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Э Ю Я

ЭКСТРЕМАЛЬНЫЕ ЗАДАЧИ

Значение ЭКСТРЕМАЛЬНЫЕ ЗАДАЧИ в математической энциклопедии:

численные методы решения - методы вычислительной математики, применяемые для поиска экстремумов (максимумов или минимумов) функций и функционалов.
Для численного решения экстремальных задач, рассматриваемых в бесконечномерных функциональных пространствах (напр., задач оптимального управления процессами, описываемыми обыкновенными дифференциальными уравнениями или уравнениями с частными производными) могут быть использованы после соответствующего обобщения многие методы математич. программирования, разработанные для задач минимизации или максимизации функций конечного числа неременных. При этом в конкретных задачах весьма важен правильный выбор подходящего функционального пространства, в к-ром следует ее рассматривать. При выборе такого пространства обычно учитываются физич. соображения, свойства допустимых управлений, свойства решений соответствующих начально-краевых задач при фиксированном управлении и т. п.
Напр., задачу оптимального управления, заключающуюся в минимизации функционала

при условиях

часто бывает удобнорассматривать вфункциональном пространстве Здесь х=(x¹, . . . х ⁿ), и=(u¹, . . . , u^r), f=(f¹, . . . , fⁿ), fⁱ(x, и, t), i=0, 1, ... , n, F (х) - заданные функции; t₀, Т- известные моменты времени, t₀<T; х₀ - заданная начальная точка; V(t)при каждом - заданное множество из евклидова пространства - гильбертово пространство r-мерных вектор-функций где - функция, интегрируемая на [t₀, Т] по Лебегу вместе со своим квадратом причем скалярное произведение двух функций u(t), v(t), в этом пространстве равно

норма

При определенной гладкости функций f' ( х, и, t), F(x)приращение функционала (1) можно представить в виде

где

x=x(f, u)- решение задачи (2) при u=u(t), -решение сопряженной задачи

Из формулы (4) следует, чтр функционал (1) дифференцируем в пространстве и его градиентом является вектор-функция

Таким образом, для решения задачи (1) - (3) могут быть применены различные методы, использующие градиент функционала. При V(t)=E^r здесь можно применить градиентный метод

Если где - заданные функции из то возможно применение метода проекции градиента

где

Параметр может выбираться из условия Аналогично могут быть расписаны для задачи (1)-(3) методы условного градиента, сопряженных градиентов и др. (см.[4]-[6],[11]). Еслизадача(1)-(3) рассматривается при дополнительных ограничениях

где G(t)- заданное множество из Е ⁿ, то для учета ограничений (9) может быть использован штрафных функций метод. Напр., если

то в качестве штрафной функции можно взять

и задачу (1)-(3), (9) заменить задачей минимизации функционала Ф _k(u)=J(u)+A_kP (и)при условиях (2), (3), где A_k, -штрафной коэффициент,
Другие методы решения задачи (1)-(3), (9) основаны на принципе максимума Понтрягина, на динамич. программировании (см. Понтрягина принцип максимума, Динамическое программирование, Вариационное исчисление;численные методы).
Для решения задачи минимизации квадратичного функционала на решениях систем линейных обыкновенных дифференциальных уравнений или линейных уравнений с частными производными, может быть применен метод моментов (см. [3], [8]). Ниже описан этот метод применительно к задаче минимизации функционала

где х-=х(t; и) - решение задачи

управления таковы, что

здесь A(t), B(t), f(t)-заданные матрицы порядка соответственно, имеющие кусочно непрерывные элементы на отрезке - заданные точки; -скалярное произведение в Е ^т. Из правила множителей Лагранжа следует, что управление и=и(t)является оптимальным в задаче (10)-(12) тогда и только тогда, когда существует число ( Лагранжа множитель для ограничения (12)) такое, что

при здесь Из формул (5)-(8) следует, что градиент J'(u)функционала (10) в имеет вид

где - решение задачи

А ^Т, В ^Т- матрицы, полученные транспонированием матриц А, В соответственно. Условие (13) тогда примет вид

Условие (16) равносильно соотношениям

где

р _k(t) - решение системы (15) при условии p_k(T)=e_k=(0, ... ,0, 1, 0, ... , 0) - единичный вектор.
Таким образом, для определения оптимального управления u=u(t) в задаче (10)-(12) нужно решить систему (14), (15), (17), (18) относительно функций и числа При здесь . и условие (18) приведет к проблеме моментов (см. Моментов про6лема):
найти функцию u-=u(t), зная ее моменты

по системе k=1, .... , n. Система (14), (15), (17), (18) представляет собой обобщенную проблему моментов для задачи (10) - (12) при (см. [3], [8]).
Любое решение системы (15) однозначно представимо в виде

При любом фиксированном существует решение системы (15), (17), (18), причем среди всех решений найдется единственное такое, что имеет вид

Для определения нужно подставить выражения (19), (20) в (17), (18). В результате получится система линейных алгебраических уравнении относительно u₁, . . ., и _n, из к-рой однозначно определяются величины а величины u₁, ... , и _n в случае линейной зависимости системы определяются неоднозначно.
При практич. решении задачи (10)-(12) целесообразно сначала положить и из (18) определить u(t,0) вида (20). Затем следует проверить условие Если это неравенство выполняется, то u(f,0) - оптимальное управление задачи (10)-(12), имеющее минимальную норму среди всех оптимальных управлений; множество всех оптимальных управлений в этом случае исчерпывается управлениями вида

где v(t)принадлежит ортогональному дополнению в линейной оболочки систем функций

Если то из (17), (18) при определяют решения вида (19), (20) и находят g из уравнения

функция переменной непрерывна, строго монотонно убывает при поэтому из (21) однозначно определяется искомое Управление будет оптимальным для задачи (10)-(12); при эта задача других оптимальных управлений не имеет.
Метод моментов применим также для решения задачи быстродействия для систем (11) и других линейных систем (см. [3], [8]).
Упомянутые выше методы широко используются и для численного решения задач оптимального управления процессами, описываемыми уравнениями с частными производными.
Численная реализация многих методов решения задач оптимального управления предполагает использование тех или иных методов приближенного решения встречающихся начально-краевых задач (см. Краевая задача;численные методы решения для уравнений с частными производными), приближенного вычисления интегралов (см. Интегрирование численное). В результате исходная задача оптимального управления заменяется нек-рым семейством аппроксимирующих задач, зависящим от нек-рых параметров (напр., от шагов разностной сетки). Вопросы построения аппроксимирующих задач, исследование сходимости см. в [5].
Широкие классы экстремальных задач являются некорректно поставленными (см. Некорректные задачи )и для их решения нужно использовать регуляризации методы (см. [5], [13]).

Лит.:[1] Алексеев В. М., Тихомиров В. М., Фомин С. В., Оптимальное управление, М., 1979; [2] Бейко И. В., Бублик Б. Н., 3инько П. Н., Методы и алгоритмы решения задач оптимизации, К., 1983; [3] Бутковский А. Г., Методы управления системами с распределенными параметрами, М., 1975; [4] Васильев Ф. П., Численные методы решения экстремальных задач, М., 1980; [5] его же, Методы решения экстремальных задач, М., 1981; [6] Евтушенко Ю. Г., Методы решения экстремальных задач и их применение в системах оптимизации, М., 1982; [7] Егоров А. И., Оптимальное управление тепловыми и диффузионными процессами, М., 1978; [8] Красовский Н. Н., Теория управления движением, М., 1968; [9] Лионс Ж.-Л., Оптимальное управление системами, описываемыми уравнениями с частными производными, пер. с франц., М., 1972; [10] Поляк Б. Т., Введение в оптимизацию, М., 1983; [11] Cea Ж., Оптимизация. Теория и алгоритмы, пер. с франц., М., 1973; [12] Сиразeтдинов Т. К., Оптимизация систем с распределенными параметрами, М., 1977; [13] Тихонов А. Н., Арсeнин В. Я.. Методы решения некорректных задач, 2 изд., М., 1979; [14] Федоренко Р. П., Приближенное решение задач оптимального управления, М., 1978; [15] Экланд П., Темам Р., Выпуклый анализ и вариационные проблемы, пер. с англ., М., 1979.
Ф. П. Васильев.