Журнал вычислительной математики и математической физики, 2019, T. 59, № 10, стр. 1695-1705
Задача программного управления объектом, описываемым системой с негладкой правой частью
А. В. Фоминых *
Санкт-Петербургский государственный университет
199034 С.-Пб, Университетская наб., 7-9, Россия
* E-mail: alexfomster@mail.ru
Поступила в редакцию 29.04.2019
После доработки 29.04.2019
Принята к публикации 10.06.2019
Аннотация
Рассматривается задача программного управления объектом, движение которого описывается системой дифференциальных уравнений в нормальной форме. Правая часть системы содержит негладкие слагаемые. Исходная задача сводится к задаче безусловной минимизации некоторого негладкого функционала. Для него найдены необходимые и достаточные условия минимума в терминах субдифференциала. На основании данных условий к рассматриваемой задаче применяется метод субдифференциального спуска. Используемая методика иллюстрируется на численных примерах. Библ. 24. Табл. 2.
1. ВВЕДЕНИЕ
В последнее время наблюдается рост числа как теоретических, так и прикладных исследований по негладкой оптимизации, включая негладкие задачи управления. Динамические системы с недифференцируемыми правыми частями возникают во многих приложениях, например, в экономике [1], в аквакультуре [2], и особенно в механике [3]–[6].
В работах [7]–[10] были получены многочисленные необходимые условия минимума (некоторые из них в форме принципа максимума) для негладких задач управления, включая случай смешанных ограничений. Интегральное ограничение на управление (такое как в данной статье) было ранее рассмотрено в некоторых работах, например, в статье [11]. Работа [12] использует подход к решению задач оптимального управления, подобный рассматриваемому в данной статье.
Некоторые статьи посвящены построению численных методов для негладких задач управления. Например, работы [13], [14] используют технику “сглаживания”; статьи [15], [16] используют подход штрафных функций.
2. ПОСТАНОВКА ЗАДАЧИ
Рассмотрим краевую задачу
гдеПусть управление $u$ принадлежит следующему множеству допустимых управлений:
(4)
$U = \left\{ {u \in {{P}_{m}}[0,T]|{{{\left\| u \right\|}}^{2}} = \int\limits_0^T {\left( {u(t),u(t)} \right)} dt \leqslant C} \right\},$Если ${{t}_{0}} \in \left[ {0,T} \right)$ – точка разрыва вектор-функции $u(t)$, то для определенности полагаем
В точке $T$ считаем, что При этом $\dot {x}({{t}_{0}})$ – правосторонняя производная вектор-функции $x$ в точке ${{t}_{0}}$, $\dot {x}(T)$ – левосторонняя производная вектор-функции $x$ в точке $T$.Требуется подобрать такое управление, которое принадлежит множеству допустимых управлений (4) и переводит систему (1) из начального положения (2) в конечное состояние (3) за время $T$.
3. СВЕДЕНИЕ К ВАРИАЦИОННОЙ ЗАДАЧЕ
Пусть $z(t) = \dot {x}(t)$, $z \in {{P}_{n}}[0,T]$. Тогда с учетом (2) имеем $x(t) = {{x}_{0}} + \int_0^t z (\tau )d\tau $.
Введем в рассмотрение функционал
(5)
$I(z,u) = \frac{1}{2}\int\limits_0^T {(\varphi (z,u,t),\varphi (z,u,t))dt} + max\left\{ {0,\int\limits_0^T {(u(t),u(t))dt - C} } \right\} + \sum\limits_{i = 1}^n {{{\psi }_{i}}} (z),$Нетрудно видеть, что функционал (5) неотрицателен для всех $z \in {{P}_{n}}[0,T]$ и для всех $u \in {{P}_{m}}[0,T]$ и обращается в ноль в точке $\left[ {z*,u{\kern 1pt} *} \right] \in {{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$ тогда и только тогда, когда $x{\kern 1pt} {\text{*}}(t) = {{x}_{0}} + \int_0^t {z{\kern 1pt} {\text{*}}(\tau )} d\tau $ – программное движение, соответствующее искомому программному управлению $u{\kern 1pt} {\text{*}}(t)$.
4. НЕОБХОДИМЫЕ УСЛОВИЯ МИНИМУМА
Введем множество
Ниже нам также потребуются индексные множества
и следующие множества управленийДля произвольной скалярной функции ${v} \in P[0,T]$ введем множества
Пусть “${\text{'}}$” означает транспонирование, а ${{e}_{i}}$, $i = \overline {1,n} $, – канонический базис в ${{R}^{n}}$. Пусть также ${\text{mes}}M$ – мера Жордана множества $M \subset R$. Пусть ${\text{co\{ D\} }}$ – выпуклая оболочка множества $D$ [18].
Введем обозначения
Напомним определение субдифференциала.
Определение 1. Пусть $\Sigma \subset E$ является некоторым непустым подмножеством вещественного нормированного пространства $E$. Функция $\xi :\Sigma \to R$ называется субдифференцируемой на множестве $\Sigma $, если для каждого $\varsigma \in \Sigma $ существует такое выпуклое компактное множество, субдифференциал $\partial \xi (\varsigma ) \subset E{\kern 1pt} {\text{*}}$, что для каждого допустимого приращения $\Delta \varsigma \in E$ (т.е. co$\left\{ {\varsigma ,\varsigma + \Delta \varsigma } \right\} \in \Sigma $) соответствующее приращение функции $\xi $ представимо формулой
Отображение $\varsigma \to \partial \xi (\varsigma )$ называется субдифференциальным отображением.
Используя ту же технику, что и в [19], [20], нетрудно убедиться в справедливости следующей леммы.
Лемма 1. Зафиксируем точку $[z,u]$ и предположим, что выполняется ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} } \right) = 0$. Функционал $I(z,u)$ субдифференцируем п.в. на $[0,T]$ (а именно, на множестве $[0,T]{\backslash }\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} $ и его субдифференциал в точке $[z,u]$ для $t \in [0,T]{\backslash }\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} $ выражается по формуле
Следствие 1. Зафиксируем точку $[z,u]$ и предположим, что ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} } \right) = 0$. Если $z \in \Omega $, $u \in U$, то функционал $I(z,u)$ субдифференцируем п.в. на $[0,T]$ и его субдифференциал в точке $[z,u]$ для $t \in [0,T]{\backslash }\int_{i = 1}^n {{{T}_{0}}({{x}_{i}})} $ выражается по формуле
(6)
$\left. {_{{_{{_{{_{{_{{_{{_{{_{{_{{_{{}}}}}}}}}}}}}}}}}}}}{{\omega }_{i}} \in [ - 1,1],\quad i = \overline {1,n} ,\quad \nu \in [0,1],\quad u \in {{U}_{0}},\quad \nu = 0,\quad u \in {{U}_{ - }}} \right\}.$Известно, что необходимым условием минимума функционала (5) в точке $[z{\kern 1pt} *,u{\kern 1pt} *]$ в терминах субдифференциала является условие [21]
где ${{0}_{{n + m}}}$ – нулевой элемент пространства ${{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$ (в данном случае можно считать, что субдифференциал принадлежит пространству ${{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$, что видно из формулы (6)).Отсюда заключаем, что справедлива
Теорема 1. Пусть ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}(x_{i}^{ * })} } \right) = 0$. Для того, чтобы управление $u{\kern 1pt} * \in U$ переводило систему (1) из начального положения (2) в конечное состояние (3) за время $T$, необходимо, чтобы
где выражение для субдифференциала $\partial I(z,u)$ выписано в (6).Если оказалось $I(z{\kern 1pt} *,u{\kern 1pt} *) = 0$, то условие (7) является и достаточным (это условие является, очевидно, и необходимым).
Замечание 1. Из Теоремы 1 и Следствия 1 заключаем, что точка $[z{\kern 1pt} *,u{\kern 1pt} *]$ (предполагается, что ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}(x_{i}^{ * })} } \right) = 0$) будет стационарной точкой функционала $I(z,u)$ п. в. на интервале $[0,T]$ (а именно для $t \in [0,T]{\backslash }\bigcup\nolimits_{i = 1}^n {{{T}_{0}}(x_{i}^{ * })} $). Поэтому в разд. 4 и 5 ниже мы будем использовать термин “стационарная точка”, называя этим термином такую точку, которая является стационарной п.в. на интервале $[0,T]$.
5. МЕТОД СУБДИФФЕРЕНЦИАЛЬНОГО СПУСКА
Зафиксируем точку $[z,u]$ и предположим, что ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} } \right) = 0$. Найдем минимальный по норме субградиент $h = h(t,z,u) \in \partial I(z,u)$ функционала $I$ в точке $[z,u]$, т.е. решим задачу
(8)
$\mathop {min}\limits_{h \in \partial I(z,u)} {{\left\| h \right\|}^{2}} = \mathop {min}\limits_{{{\omega }_{i}},i \in {{I}_{0}},\nu } \left\{ {{{{\int\limits_0^T {\left( {{{s}_{1}}(t) + \sum\limits_{i \in {{I}_{0}}} {{{\omega }_{i}}} {{e}_{i}}} \right)} }}^{2}}dt + \int\limits_0^T {{{{\left( {{{s}_{2}}(t) + 2\nu u(t)} \right)}}^{2}}} dt} \right\},$Задача (8) представляет собой задачу квадратичного программирования при наличии линейных ограничений и может быть решена одним из известных методов [22]. Обозначим через $\omega _{i}^{ * }$, $i \in {{I}_{0}}$, $\nu {\kern 1pt} {\text{*}}$ ее решение. Тогда вектор-функция
Опишем следующий метод субдифференциального спуска [23] для поиска стационарных точек функционала $I(z,u)$. Фиксируем произвольную точку $[{{z}^{1}},{{u}^{1}}] \in {{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$. Пусть уже построена точка $[{{z}^{k}},{{u}^{k}}] \in {{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$. Как и ранее, предполагаем, что ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}(x_{i}^{k})} } \right) = 0$ при всех $k$, где ${{x}^{k}}(t) = {{x}_{0}} + \int_0^t {{{z}^{k}}} (\tau )d\tau $, а $x_{i}^{k}(t)$ есть $i$-я компонента вектор-функции ${{x}^{k}}(t)$. Если выполнено условие минимума (7), то точка $[{{z}^{k}},{{u}^{k}}]$ является стационарной точкой функционала $I(z,u)$, и процесс прекращается. В противном случае положим
где вектор-функция ${{G}^{k}}: = G(t,{{z}^{k}},{{u}^{k}})$ представляет собой наименьший по норме субградиент функционала $I$ в точке $[{{z}_{k}},{{u}_{k}}]$, а величина ${{\alpha }_{k}}$ является решением следующей задачи одномерной минимизации:Тогда имеем $I({{z}^{{k + 1}}},{{u}^{{k + 1}}}) \leqslant I({{z}^{k}},{{u}^{k}})$. Если последовательность $\{ [{{z}^{k}},{{u}^{k}}]\} $ конечна, то последняя ее точка является стационарной точкой функционала $I(z,u)$ по построению. Если же последовательность $\{ [{{z}^{k}},{{u}^{k}}]\} $ бесконечна, то описанный процесс может и не привести к стационарной точке функционала $I(z,u)$, поскольку субдифференциальное отображение $\partial I(z,u)$ не является непрерывным в метрике Хаусдорфа [21] (см. замечание 2 в конце статьи).
Отметим, что если в результате работы метода получена некоторая стационарная точка $[\bar {z},\bar {u}] \in {{P}_{n}}[0,T] \times {{P}_{m}}[0,T]$, однако, $I(\bar {z},\bar {u}) \ne 0$, то следует взять другое начальное приближение и повторить итерационный процесс, поскольку точка $[\bar {z},\bar {u}]$ в данном случае не является глобальным минимумом функционала $I(z,u)$ (см. теорему 1).
6. ЧИСЛЕННЫЕ ПРИМЕРЫ
Рассмотрим следующую систему:
При этом на управление накладывается ограничение $\left\| u \right\| \leqslant C$.
Положим $T = 2$, $C = 3$. В табл. 1 приведены результаты работы метода субдифференциального спуска. В качестве начального приближения взята точка $u(t) = 0.5$, $z(t) = [0.5,0.5]$, а тогда будет $x(t) = [2 + 0.5t,\;1 + 0.5t]$. Из табл. 1 видно, что на $12$-й итерации погрешность не превышает величины $4 \times {{10}^{{ - 3}}}$.
Таблица 1
k | $I({{z}_{k}},{{u}_{k}})$ | $\left\| {G({{z}_{k}},{{u}_{k}})} \right\|$ |
---|---|---|
1 | 10.45 | 5.06168 |
2 | 6.70688 | 3.05079 |
6 | 2.12119 | 1.53663 |
10 | 0.27609 | 0.81284 |
11 | 0.05727 | 0.1428 |
12 | 0.00383 | 0.01235 |
Рассмотрим еще один пример. Пусть задана система
При этом на управление накладывается ограничение $\left\| u \right\| \leqslant C$.
Положим $T = 2$, $C = 7$. В табл. 2 приведены результаты работы метода субдифференциального спуска. В качестве начального приближения взята точка $u(t) = [0.5,\;0.5]$, $z(t) = [0.5,\;0.5,\;0.5]$, а тогда будет $x(t) = [1 + 0.5t,\;2 + 0.5t,\;2 + 0.5t]$. Из табл. 2 видно, что на $23$-й итерации погрешность не превышает величины $4 \times {{10}^{{ - 3}}}$.
7. СЛУЧАЙ НАРУШЕНИЯ ОГРАНИЧЕНИЯ ${\text{mes}}\left( {\bigcup\limits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} } \right) = 0$
Заметим, что этот раздел не претендует на полное решение задачи в случае, рассматриваемом в этом разделе, а лишь описывает некоторые возможные подходы к решению указанной задачи.
Ранее при исследовании функционала $I$ в точке $[z,u]$ накладывалось ограничение ${\text{mes}}\left( {\bigcup\nolimits_{i = 1}^n {{{T}_{0}}({{x}_{i}})} } \right) = 0$. По-видимому, данное ограничение не является обременительным, если решение $x{\text{*}}$ исходной задачи не содержит компонент $x_{i}^{ * }$, тождественно равных нулю на каком-либо принадлежащем $[0,T]$ интервале ненулевой меры, и если начальное приближение ${{z}^{1}}$ выбрано так, чтобы это ограничение выполнялось для точки ${{x}^{1}}$. Исследуем теперь общий случай, когда данное ограничение все же не накладывается.
Нам потребуется следующая
Лемма 2. Пусть скалярные функции ${{{v}}_{1}}$, ${{{v}}_{2}}$ принадлежат пространству $P[0,T]$. Тогда справедливы равенства
Доказательство. Пусть $t \in {{T}_{0}}({{{v}}_{1}}) \cup {{T}_{ + }}({{{v}}_{1}})$, тогда имеем
Пусть $t \in {{T}_{ - }}({{{v}}_{1}})$, тогда получим
Напомним определение супердифференциала.
Определение 2. Пусть $\Sigma \subset E$ является некоторым непустым подмножеством вещественного нормированного пространства $E$. Функция $\xi :\Sigma \to R$ называется супердифференцируемой на множестве $\Sigma $, если для каждого $\varsigma \in \Sigma $ существует выпуклый компакт (супердифференциал) $\bar {\partial }\xi (\varsigma ) \subset E{\text{*}}$, что для каждого допустимого приращения аргумента $\Delta \varsigma \in E$ (т.е. co$\left\{ {\varsigma ,\varsigma + \Delta \varsigma } \right\} \in \Sigma $) соответствующее приращение функции $\xi $ представимо в виде
Отображение $\varsigma \to \bar {\partial }\xi (\varsigma )$ называется супердифференциальным отображением.
Определение квазидифференциала объединяет понятия субдифференциала и супердифференциала.
Определение 3. Пусть $\Sigma \subset E$ является некоторым непустым подмножеством вещественного нормированного пространства $E$. Функция $\xi :\Sigma \to R$ называется квазидифференцируемой на множестве $\Sigma $, если для каждого $\varsigma \in \Sigma $ существуют такие выпуклые компактные множества, субдифференциал $\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{\partial } \xi (\varsigma ) \subset E{\kern 1pt} {\text{*}}$ и супердифференциал $\bar {\partial }\xi (\varsigma ) \subset E{\kern 1pt} {\text{*}}$, что для каждого допустимого приращения $\Delta \varsigma \in E$ (т.е. co${\text{\{ }}\varsigma ,\varsigma + \Delta \varsigma {\text{\} }} \in \Sigma $) соответствующее приращение функции $\xi $ представимо по формуле
Пара $D\xi (\varsigma ) = \left[ {\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{\partial } \xi (\varsigma ),\bar {\partial }\xi (\varsigma )} \right]$ называется квазидифференциалом функции $\xi $ в точке $\varsigma $. Отображение $\varsigma \to \left[ {\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{\partial } \xi (\varsigma ),\bar {\partial }\xi (\varsigma )} \right]$ называется квазидифференциальным отображением.
Используя лемму 1 и лемму 2, нетрудно получить следующий результат.
Лемма 3. Функционал $I(z,u)$ квазидифференцируем [24], и его квазидифференциал в точке $[z,u]$ выражается по формуле
Следствие 2. Если $z \in \Omega $, $u \in U$, тогда функционал $I(z,u)$ квазидифференцируем, и его квазидифференциал в точке $[z,u]$ выражается по формуле
(9)
$\begin{gathered} DI(z,u) = [\underline \partial I(z,u),\overline \partial I(z,u)] = \\ = \left[ {\left[ {\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{{{\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{P} }}_{{ij}}}} (} t){{e}_{i}} + \sum\limits_{i = 1}^n {{{\omega }_{i}}} {{e}_{i}},\; - {\kern 1pt} B{\text{'}}(t)\left( {z(t) - f(t)} \right) + 2\nu u(t)} \right]} \right.,\left. {\left[ {\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{{{\bar {P}}}_{{ij}}}} } (t){{e}_{i}},{{0}_{m}}} \right]} \right], \\ \end{gathered} $Выпишем известное условие минимума квазидифференцируемого функционала (5) в точке $[z{\kern 1pt} *,u{\kern 1pt} *]$ [24]
Используя этот факт, получаем следующий результат.
Теорема 2. Для того чтобы управление $u{\kern 1pt} * \in U$ переводило систему (1) из начального состояния (2) в конечное положение (3) за время $T$, необходимо, чтобы
(10)
$ - \bar {\partial }I(z{\kern 1pt} *,u{\kern 1pt} *) \subset \underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{\partial } I(z{\kern 1pt} *,u{\kern 1pt} *),$Если оказалось $I(z{\kern 1pt} *,u{\kern 1pt} *) = 0$, то условие (10) является также достаточным (это условие, очевидно, является и необходимым).
Рассмотрим следующую задачу:
Это более сложная (и пока не решенная) задача, чем задача (8), поскольку помимо величин ${{\omega }_{i}}$, $i \in {{I}_{0}}$, $\nu $, требуется также определить вектор-функции $w_{{ij}}^{1}(t)$, $w_{{ij}}^{2}(t)$, $i$, $j$ $ = \overline {1,n} $.
Одним из подходов к решению этой задачи является поиск данных функций в виде полиномов заданной степени $r \in N \cup {\text{\{ }}0{\text{\} }}$, т.е.
Используя полученное направление, можно построить метод квазидифференциального спуска [24], который аналогичен описанному методу субдифференциального спуска.
Замечание 2. Для того, чтобы строить аналогичные рассмотренным методы, сходимость которых можно гарантировать, от субдифференциального и квазидифференциального следует перейти к гиподифференциальному и кодифференциальному отображениям соответственно, которые уже являются непрерывными в метрике Хаусдорфа [24].
8. ЗАКЛЮЧЕНИЕ
Таким образом, в данной статье задача построения программного управления и соответствующего ему программного движения в системе, содержащей негладкую функцию фазовых координат, сводится к вариационной задаче минимизации некоторого функционала на всем пространстве. Для этого функционала выписан субдифференциал, найдены необходимые и достаточные условия минимума. На основании этих условий описывается метод субдифференциального спуска для решения задачи. Приведены примеры применения теоретических результатов.
Список литературы
Ruiz Del Portal X. Non-smooth monotonicity constraints in optimal control problems: Some economic applications // Optim. Control Appl. and Meth. 2011. V. 32. № 4. P. 396–413.
Blanchard E.A., Loxton R., Rehbock V. A computational algorithm for a class of non-smooth optimal control problems arising in aquaculture operations // Appl. Math. and Comput. 2013. V. 219. P. 8738–8746.
Potini A., Tornambe A., Menini L., Abdallah C.T., Dorato P. Finite-time control of linear mechanical systems subject to non-smooth impacts // 14-th Mediterranean Conf. on Control and Automat. (MED’06). № 1700707. Ancona, Italy, 2006.
Han S.-I., Lee J.-M. Backstepping sliding mode control with FWNN for strict output feedback non-smooth nonlinear dynamic system // Int. J. Control, Autom. and Syst. 2013. V. 11. № 2. P. 398–409.
Ansari A.R., Murphey T.D. Sequential Action Control: Closed-Form Optimal Control for Nonlinear and Nonsmooth Systems // IEEE Trans. on Robot. 2016. V. 32. № 5. P. 1196–1214.
Jiffri S., Mottershead J.E. Nonlinear control of an aeroelastic system with a non-smooth structural nonlinearity // Mech. and Machine Sci. 10th International Conference on Vibration Engineering and Technology of Machinery (VETOMAC 2014). V. 23. P. 317–328. Manchester, UK, 2014.
Haider Md., Biswas A., do Rosario de Pinho M. A nonsmooth maximum principle for optimal control problems with state and mixed constraints – convex case // Discrete and Cont. Dynam. Syst. 2011. V. 2011. P. 174–183.
Vinter R.B., Pappas G. A maximum principle for nonsmooth optimalcontrol problems with state constraints // J. of Math. Analysis and Appl. 1982. V. 89. № 1. P. 212–232.
Li A., Ye J.J. Necessary optimality conditions for optimal control Problems with Nonsmooth Mixed State and Control Constraints // Set-Val. and Variat. Analysis. 2016. V. 24. № 3. P. 449–470.
De Oliveira V.A., Silva G.N. New optimality conditions for nonsmooth control problems // J. Glob. Optim. 2013. V. 57. № 4. P. 1465–1484.
Антипин А.С., Хорошилова Е.В. Оптимальное управление со связанными начальными и терминальными условиями // Тр. ИММ УрО РАН. 2014. Т. 20. № 2. С. 13–28.
Shablinskaya I.R. Necessary conditions for optimality in nonsmooth problems of control theory // Soviet J. Computer and Systems Sci. 1985. V. 23. № 5. P. 153–159.
Noori Skandari M.H., Kamyad A.V., Effati S. Smoothing approach for a class of nonsmooth optimal control problems // Appl. Math. Model. 2016. V. 40. № 2. P. 886–903.
Wu C.Z., Teo K.L., Zhao Y. Numerical method for a class of optimal control problems subject to nonsmooth functional constraints // J. Comput. and Appl. Math. 2008. V. 217. № 2. P. 311–325.
Fominyh A.V., Karelin V.V., Polyakova L.N. Application of the hypodifferential descent method to the problem of constructing an optimal control // Optim. Lett. 2018. V. 12. № 8. P. 1825–1839.
Gorelik V.A., Tarakanov A.F. Penalty method for nonsmooth minimax control problems with interdependent variables // Cybernetics. 2989. V. 25. № 4. P. 483–488.
Зубов В.И. Лекции по теории управления. М.: Наука, 1975.
Rockafellar R. Convex analysis. Princeton: Princeton University Press, 1970.
Карелин В.В. Точные штрафы в задаче наблюдения // Вестн. СПбГУ. Сер. 10. 2008. № 4. С. 3–7.
Тамасян Г.Ш. Градиентные методы решения задачи Коши // Вестн. СПбГУ. Сер. 10. 2009. № 4. С. 224–230.
Васильев Л.В., Демьянов В.Ф. Недифференцируемая оптимизация. М.: Наука, 1981.
Wolfe P. The simplex method for quadratic programming // Econom. 1959. V. 27. P. 382–398.
Демьянов В.Ф. Условия экстремума и вариационное исчисление. М.: Высш. школа, 2005.
Демьянов В.Ф., Рубинов А.М. Основы негладкого анализа и квазидифференциальное исчисление. М.: Наука, 1990.
Дополнительные материалы отсутствуют.
Инструменты
Журнал вычислительной математики и математической физики