Журнал вычислительной математики и математической физики, 2022, T. 62, № 1, стр. 23-35
Асимптотический метод решения сингулярно возмущенной линейно-квадратичной задачи оптимального управления с подвижным правым концом траекторий
А. И. Калинин 1, *, Л. И. Лавринович 1, **
1 Белорусский гос. ун-т, ФПМИ
220030 Минск, пр-т Независимости, 4, Беларусь
* E-mail: kalininai@bsu.by
** E-mail: lavrinovich@bsu.by
Поступила в редакцию 12.11.2020
После доработки 09.01.2021
Принята к публикации 07.07.2021
- EDN: OUVVGL
- DOI: 10.31857/S0044466921110107
Аннотация
Рассматривается задача минимизации интегрального квадратичного функционала на траекториях линейной сингулярно возмущенной системы с линейными терминальными ограничениями. Строятся асимптотические приближения в виде программы и обратной связи к оптимальному управлению в этой задаче. Основное достоинство предлагаемых вычислительных процедур состоит в том, что при их реализации происходит декомпозиция исходной задачи на две невозмущенные задачи оптимального управления меньшей размерности. Библ. 18.
ВВЕДЕНИЕ
В рамках математической теории оптимальных процессов задачам оптимизации сингулярно возмущенных систем, содержащих малые параметры при части производных, уделяется значительное внимание (см. обзоры в [1]–[4]). Интерес к таким задачам вызван эффективностью асимптотических методов их решения, при применении которых исходная задача распадается на задачи оптимального управления меньшей размерности. Такая декомпозиция позволяет эффективно решать задачи с большим числом фазовых переменных. Кроме того, при применении асимптотического подхода удается избежать интегрирования сингулярно возмущенных систем, которые являются жесткими (см. [5]).
Цель настоящей статьи – построение асимптотических приближений в виде программы и обратной связи к решению сингулярно возмущенной линейно-квадратичной задачи оптимального управления с линейными терминальными ограничениями на траектории. Суть предлагаемых вычислительных процедур состоит в асимптотическом разложении по целым степеням малого параметра множителей Лагранжа – конечномерных элементов, соответствующих в силу принципа максимума (см. [6]) оптимальному управлению.
Сингулярно возмущенным линейно-квадратичным задачам оптимального управления посвящено значительное число публикаций (см., например, [7]–[11]), в большинстве из которых рассматривались задачи без ограничений на траектории. Настоящая статья обобщает результаты, полученные в [11] для сингулярно возмущенной линейно-квадратичной задачи оптимального с фиксированным правым концом траекторий.
1. ПОСТАНОВКА ЗАДАЧИ
В классе r-мерных управляющих воздействий $u(t)$, $t \in T = [{{t}_{*}},t*]$, с кусочно-непрерывными компонентами рассмотрим следующую задачу оптимального управления:
(1.1)
$\begin{gathered} \dot {y} = {{A}_{1}}(t)y + {{A}_{2}}(t)z + {{B}_{1}}(t)u,\quad y({{t}_{*}}) = {{y}_{*}}, \\ \mu \dot {z} = {{A}_{3}}(t)y + {{A}_{4}}(t)z + {{B}_{2}}(t)u,\quad z({{t}_{*}}) = {{z}_{*}}, \\ \end{gathered} $(1.3)
$J(u) = \frac{1}{2}\int\limits_{{{t}_{*}}}^{t*} {\left( {{{y}^{{\text{т}}}}M(t)y + \mu {{z}^{{\text{т}}}}L(t)z + {{u}^{{\text{т}}}}P(t)u} \right)dt} \to \min ,$Предположение 1. Действительные части всех собственных значений матрицы ${{A}_{4}}(t)$, $t \in T$, отрицательны.
Предположение 2. Элементы всех матриц, формирующих задачу, бесконечно дифференцируемы.
Управление с кусочно-непрерывными компонентами принято называть допустимым, если для порожденной им траектории системы (1.1) выполнены терминальные ограничения (1.2). Допустимое управление, на котором критерий качества (1.3) принимает наименьшее значение, называют оптимальным. Наряду с этими общеупотребительными понятиями определим то, что будет пониматься под асимптотическими приближениями к решению рассматриваемой задачи.
Определение 1. Управление ${{u}^{{(N)}}}(t,\mu )$, $t \in T$, с кусочно-непрерывными компонентами назовем (программным) асимптотически субоптимальным управлением $N$-го порядка ($N = 0,\;1,\;2, \ldots $), в задаче (1.1)–(1.3), если оно отклоняется по критерию качества (1.3) от оптимального управления на величину $O({{\mu }^{{N + 1}}})$, а порожденная им траектория $y\left( {t,\mu } \right)$, $z\left( {t,\mu } \right)$, $t \in T$, системы (1.1) удовлетворяет терминальным ограничениям (1.2) с точностью того же порядка малости.
Определение 2. Вектор-функцию ${{u}^{{(N)}}}(y,z,t,{{\mu }})$ назовем асимптотически субоптимальной обратной связью N-го порядка, если для любого начального состояния (${{y}_{*}}$, ${{z}_{*}}$, ${{t}_{*}}$), ${{t}_{*}} < t{\text{*}}$, имеет место
где ${{u}^{{(N)}}}(t,{{\mu }})$, $t \in T$, – асимптотически субоптимальное управление N-го порядка в задаче (1.1)–(1.3).В настоящей статье предлагается и обосновывается алгоритм, с помощью которого для заданного числа N можно построить асимптотически субоптимальное управление N-го порядка в рассматриваемой задаче. Его суть состоит в асимптотическом разложении по целым степеням малого параметра множителей Лагранжа, которые в силу принципа максимума (см. [6]) соответствуют оптимальному управлению. В работе также показывается, как можно построить асимптотически субоптимальную обратную связь нулевого порядка.
2. ПЕРВАЯ БАЗОВАЯ ЗАДАЧА
Вычисления при построении асимптотически субоптимальных управлений начинаются с решения вырожденной задачи
(2.1)
$\begin{gathered} \dot {y} = {{A}_{0}}(t)y + {{B}_{0}}(t)u,\quad y({{t}_{*}}) = {{y}_{*}},\;{{H}_{1}}y(t*) = {{g}_{1}}, \\ {{J}_{1}}(u) = \frac{1}{2}\int\limits_{{{t}_{*}}}^{t*} {\left( {{{y}^{{\text{т}}}}M(t)y + {{u}^{{\text{т}}}}P(t)u} \right)dt \to \min ,} \\ \end{gathered} $(2.2)
${{A}_{0}}(t) = {{A}_{1}}(t) - {{A}_{2}}(t)A_{4}^{{ - 1}}(t){{A}_{3}}(t),\quad {{B}_{0}}(t) = {{B}_{1}}(t) - {{A}_{2}}(t)A_{4}^{{ - 1}}(t){{B}_{2}}(t),$Предположение 3. Динамическая система в задаче (2.1) является управляемой на отрезке $\left[ {\tau ,t{\text{*}}} \right]$ относительно подпространства ${{H}_{1}}y = 0$ при любом $\tau \in \left[ {{{t}_{*}},t{\text{*}}} \right)$ (см. [12]).
Это предположение выполняется тогда и только тогда (см., например, [13]), когда при любом $\tau \in \left[ {{{t}_{*}},t{\text{*}}} \right)$ и любом ненулевом векторе l размерности ${{n}_{1}}$ выполняется соотношение
(2.3)
${{l}^{{\text{т}}}}{{H}_{1}}{{F}_{0}}(t){{B}_{0}}(t) \ne 0,\quad \tau \leqslant t \leqslant t*,$При таком предположении в первой базовой задаче существуют допустимые управления, а тогда эта задача имеет единственное решение (см. [14]), которое является нормальной экстремалью. Последнее означает, что принцип максимума (см. [6]) в данном случае может быть сформулирован следующим образом: пусть ${{u}^{0}}(t)$, ${{y}^{0}}(t)$, $t \in T$, – оптимальные управление и траектория в задаче (2.1), тогда существует такой вектор множителей Лагранжа ${{\lambda }_{0}}$ размерности ${{n}_{1}}$, что выполняется условие
Пусть ${{\psi }_{*}} = {{\psi }^{0}}({{t}_{*}})$, тогда ${{y}^{0}}(t)$, ${{\psi }^{0}}(t)$, $t \in T$, есть решение следующей начальной задачи:
(2.5)
$\begin{gathered} \dot {y} = {{A}_{0}}(t)y + {{B}_{0}}(t){{P}^{{ - 1}}}(t)B_{0}^{{\text{т}}}(t)\psi ,\quad y({{t}_{*}}) = {{y}_{*}}, \\ \dot {\psi } = M(t)y - A_{0}^{{\text{т}}}(t)\psi ,\;\psi (t{\text{*}}) = {{\psi }_{*}}. \\ \end{gathered} $Введем в рассмотрение фундаментальную матрицу $F(t,{{t}_{*}})$, $t \in T$, системы (2.5) как решение начальной задачи
в которойПривлекая для записи решения начальной задачи (2.5) в момент времени $t{\text{*}}$ фундаментальную матрицу, получаем
(2.7)
$\begin{gathered} {{H}_{1}}{{F}_{{11}}}\left( {t*,{{t}_{*}}} \right){{y}_{*}} + {{H}_{1}}{{F}_{{12}}}\left( {t*,{{t}_{*}}} \right){{\psi }_{*}} = {{g}_{1}}, \\ {{F}_{{21}}}\left( {t*,{{t}_{*}}} \right){{y}_{*}} + {{F}_{{22}}}\left( {t*,{{t}_{*}}} \right){{\psi }_{*}} = H_{1}^{{\text{т}}}{{\lambda }_{0}}. \\ \end{gathered} $В [13] показано, что при выполнении предположения 3 матрицы ${{F}_{{22}}}\left( {t*,{{t}_{*}}} \right)$ и ${{H}_{1}}{{С}_{1}}H_{1}^{{\text{т}}}$, где
(2.8)
${{С}_{1}} = {{F}_{{12}}}\left( {t*,{{t}_{*}}} \right)F_{{22}}^{{ - 1}}\left( {t*,{{t}_{*}}} \right),$Отсюда видно, что вектор ${{\lambda }_{0}}$, а следовательно, и решение сопряженной системы определены однозначно.
3. ВТОРАЯ БАЗОВАЯ ЗАДАЧА
На втором этапе алгоритма построения асимптотических субоптимальных управлений решается следующая линейно-квадратичная задача оптимального управления с бесконечной длительностью процесса:
(3.1)
$\begin{gathered} \frac{{dz}}{{ds}} = {{A}_{4}}(t*)z + {{B}_{2}}(t*)u,\quad {{H}_{2}}z(0) = {{H}_{2}}A_{4}^{{ - 1}}(t*)\left( {{{A}_{3}}(t*){{y}^{0}}(t*) + {{B}_{2}}(t*){{u}^{0}}(t*)} \right) + {{g}_{2}}, \\ z( - \infty ) = 0,\quad {{J}_{2}}(u) = \frac{1}{2}\int\limits_{ - \infty }^0 {{{u}^{{\text{т}}}}(s)} P(t*)u(s)ds \to \min , \\ \end{gathered} $Предположение 4. Выполнен критерий управляемости на подпространство
Это предположение гарантирует существование допустимых управлений во второй базовой задаче, а тогда задача (3.1) имеет единственное решение (см. [14]) и является нормальной. В этом случае принцип максимума (см. [6]) для нее может быть сформулирован следующим образом: пусть $u{\text{*}}(s)$, $z{\text{*}}(s)$, $s \leqslant 0$, – оптимальные управление и траектория в задаче (3.1), тогда существует такой вектор множителей Лагранжа ${{\sigma }_{0}}$ размерности ${{m}_{1}}$, что выполняется условие
(3.2)
$u{\text{*}}(s) = {{P}^{{ - 1}}}(t*)B_{2}^{{\text{т}}}(t*){\text{П}}\psi {\text{(}}s{\text{),}}\quad s \leqslant 0.$(3.3)
${\text{П}}{{\psi }^{{\text{т}}}}(s) = \sigma _{0}^{{\text{т}}}{{H}_{2}}G(s),\quad {\text{П}}{{\psi }^{{\text{т}}}}(s){{B}_{2}}(t{\text{*}}) = \sigma _{0}^{{\text{т}}}{{H}_{2}}{\text{ПФ}}(s),\quad s \leqslant 0,$Замечание 1. Подчеркнем, что единственная информация о решении второй базовой задачи, которая используется в дальнейшем при построении асимптотически субоптимальных управлений, – это значение σ0 вектора множителей Лагранжа. Нет необходимости строить оптимальное управление $u{\text{*}}(s)$, $s \leqslant 0$, что, впрочем, и невозможно, если задача решается численно. Во второй базовой задаче гамильтониан вдоль оптимального управления равен нулю. Воспользовавшись этим свойством при $s = 0$, получаем условиe, которому удовлетворяет вектор σ0:
После решения базовых задач формируются матрица
(3.6)
${{I}_{0}} = \left( {\begin{array}{*{20}{c}} {{{Н}_{1}}{{C}_{1}}H_{1}^{{\text{т}}}}&{{{0}_{{{{n}_{1}} \times {{m}_{1}}}}}} \\ {{{H}_{2}}{{C}_{2}}H_{1}^{{\text{т}}}}&{{{H}_{2}}{{C}_{3}}H_{2}^{{\text{т}}}} \end{array}} \right)$(3.7)
${{\nu }_{0}} = {{\sigma }_{0}} - {{\left( {{{H}_{2}}{{C}_{3}}H_{2}^{{\rm T}}} \right)}^{{ - 1}}}{{H}_{2}}{{C}_{3}}{{\left( {{{A}_{2}}(t{\text{*}})A_{4}^{{ - 1}}(t{\text{*}})} \right)}^{{\text{т}}}}H_{1}^{{\text{т}}}{{\lambda }_{0}}$(3.8)
${{С}_{2}} = - A_{4}^{{ - 1}}(t*)\left( {{{A}_{3}}(t*){{C}_{1}} + {{B}_{2}}(t{\text{*}}){{P}^{{ - 1}}}(t{\text{*}})B_{0}^{{\text{т}}}(t{\text{*}})} \right) + {{C}_{3}}{{{\text{(}}{{A}_{2}}(t*)A_{4}^{{ - 1}}(t*))}^{{\text{т}}}},$(3.9)
${{С}_{3}} = \int\limits_{ - \infty }^0 {\left( {{\text{ПФ(}}s{\text{)}}{{P}^{{ - 1}}}(t*){\text{П}}{{{\text{Ф}}}^{{\text{т}}}}{\text{(}}s{\text{)}}} \right)} {\kern 1pt} ds.$Отметим, что
4. АСИМПТОТИЧЕСКИЙ АНАЛИЗ РЕШЕНИЯ ИСХОДНОЙ ЗАДАЧИ
Прежде, чем продолжить изложение алгоритма построения асимптотически субоптимальных управлений, сформулируем и докажем теорему, на которую опираются дальнейшие вычисления.
Из результатов, полученных в [15], следует, что в задаче (1.1)–(1.3) при выполнении предположений 1–4 существуют допустимые управления. Тогда эта задача имеет единственное решение (см. [14]), которое является нормальной экстремалью. Пусть ${{u}^{0}}(t,\mu )$, ${{y}^{0}}(t,\mu )$, ${{z}^{0}}(t,\mu )$, $t \in T$, – оптимальные управление и траектория в задаче (1.1)–(1.3). Из принципа максимума (см. [6]) следует, что оптимальное управление представимо в виде
(4.1)
${{u}^{0}}(t,\mu ) = {{P}^{{ - 1}}}(t)\left( {B_{1}^{{\text{т}}}(t)\psi _{1}^{0}(t,\mu ) + B_{2}^{{\text{т}}}(t)\psi _{2}^{0}(t,\mu )} \right),\quad t \in T,$(4.2)
$\begin{gathered} \dot {y} = {{A}_{1}}(t)y + {{A}_{2}}(t)z + {{B}_{1}}(t){{P}^{{ - 1}}}(t)\left( {B_{1}^{{\text{т}}}(t){{\psi }_{1}} + B_{2}^{{\text{т}}}(t){{\psi }_{2}}} \right),\quad y({{t}_{*}}) = {{y}_{*}}, \\ \mu \dot {z} = {{A}_{3}}(t)y + {{A}_{4}}(t)z + {{B}_{2}}(t){{P}^{{ - 1}}}(t)\left( {B_{1}^{{\text{т}}}(t){{\psi }_{1}} + B_{2}^{{\text{т}}}(t){{\psi }_{2}}} \right),\quad z({{t}_{*}}) = {{z}_{*}}, \\ {{{\dot {\psi }}}_{1}} = - A_{1}^{{\text{т}}}(t){{\psi }_{1}} - A_{3}^{{\text{т}}}(t){{\psi }_{2}} + M(t)y,\quad {{\psi }_{1}}({{t}_{*}}) = H_{1}^{{\text{т}}}\lambda , \\ \mu {{{\dot {\psi }}}_{2}} = - A_{2}^{{\text{т}}}(t){{\psi }_{1}} - A_{4}^{{\text{т}}}(t){{\psi }_{2}} + \mu L(t)z,\quad {{\psi }_{2}}({{t}_{*}}) = H_{2}^{{\text{т}}}\nu . \\ \end{gathered} $Теорема. При выполнении предположений 1–4 решению задачи (1.1)–(1.3) с достаточно малым µ соответствует в силу принципа максимума единственный вектор множителей Лагранжа $\left( {\lambda (\mu ),\nu (\mu )} \right)$, допускающий асимптотические разложения
(4.3)
$\lambda (\mu )\sim {{\lambda }_{0}} + \sum\limits_{k = 1}^\infty {{{\mu }^{k}}{{\lambda }_{k}}} ,\quad \nu (\mu )\sim {{\nu }_{0}} + \sum\limits_{k = 1}^\infty {{{\mu }^{k}}{{\nu }_{k}}} ,$Доказательство. Для сокращения записи введем в рассмотрение векторы $\eta = (\lambda ,\nu )$, ${{\eta }_{0}} = ({{\lambda }_{0}},{{\nu }_{0}})$.
В силу теоремы, доказанной в [16], при выполнении сделанных предположений существуют такие положительные числа ${{\mu }_{0}}$, ${{\varepsilon }_{0}}$, что краевая задача (4.2) имеет единственное решение $y(t,\eta ,\mu )$, $z(t,\eta ,\mu )$, ${{\psi }_{1}}(t,\eta ,\mu )$, ${{\psi }_{2}}(t,\eta ,\mu )$, $t \in T$, если только $0 < \mu < {{\mu }_{0}}$, $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$. При этом имеют место асимптотические разложения
(4.4)
$\begin{gathered} z(t,\eta ,\mu )\sim \sum\limits_{k = 0}^\infty {{{\mu }^{k}}\left( {{{z}_{k}}(t,\eta ) + {{{\text{П}}}_{k}}z(s,\eta ) + {{{\text{Q}}}_{k}}z(\tau ,\eta )} \right)} , \\ {{\psi }_{i}}(t,\eta ,\mu )\sim \sum\limits_{k = 0}^\infty {{{\mu }^{k}}\left( {{{\psi }_{{ik}}}(t,\eta ) + {{{\text{П}}}_{k}}{{\psi }_{i}}(s,\eta ) + {{{\text{Q}}}_{k}}{{\psi }_{i}}(\tau ,\eta )} \right)} ,\quad i = 1,\;2, \\ \end{gathered} $(4.5)
$\begin{gathered} \left\| {\left( {{{{\text{П}}}_{k}}y(s,\eta ),{{{\text{П}}}_{k}}z(s,\eta ),{{{\text{П}}}_{k}}{{\psi }_{1}}(s,\eta ),{{{\text{П}}}_{k}}{{\psi }_{2}}(s,\eta )} \right)} \right\| \leqslant {{\alpha }_{k}}\exp ({{\beta }_{k}}s),\quad s \leqslant 0, \\ \left\| {{{{\text{Q}}}_{k}}y(\tau ,\eta ),{{{\text{Q}}}_{k}}z(\tau ,\eta ),{{{\text{Q}}}_{k}}{{\psi }_{1}}(\tau ,\eta ),{{{\text{Q}}}_{k}}{{\psi }_{2}}(\tau ,\eta )} \right\| \leqslant {{\gamma }_{k}}\exp ( - {{\delta }_{k}}\tau ),\quad \tau \geqslant 0, \\ \end{gathered} $Приведем старшие коэффициенты разложений (4.4), которые понадобятся при доказательстве теоремы. Прежде всего, отметим, что
(4.6)
${{{\text{П}}}_{0}}y(s,\eta ) \equiv 0,\quad {{{\text{П}}}_{0}}{{\psi }_{1}}(s,\eta ) \equiv 0,\quad {{{\text{Q}}}_{0}}y(\tau ,\eta ) \equiv 0,\quad {{{\text{Q}}}_{0}}{{\psi }_{i}}(\tau ,\eta ) \equiv 0,\quad i = 1,\;2.$Вектор-функции ${{y}_{0}}(t,\eta )$, ${{\psi }_{{10}}}(t,\eta )$, $t \in T$, $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$, есть решение краевой задачи
(4.7)
$\begin{gathered} \dot {y} = {{A}_{0}}(t)y + {{B}_{0}}(t){{P}^{{ - 1}}}(t)B_{0}^{{\text{т}}}(t)\psi ,\quad y({{t}_{*}}) = {{y}_{*}}, \\ \dot {\psi } = M(t)y - A_{0}^{{\text{т}}}(t)\psi ,\quad \psi (t{\text{*}}) = H_{1}^{{\text{т}}}\lambda . \\ \end{gathered} $Коэффициенты ${{z}_{0}}(t,\eta )$, ${{\psi }_{{20}}}(t,\eta )$, $t \in T$, $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$, вычисляются по формулам
(4.8)
$\begin{gathered} {{z}_{0}}(t,\eta ) = - A_{4}^{{ - 1}}(t)\left( {{{A}_{3}}(t){{y}_{0}}(t,\eta ) + {{B}_{2}}(t){{P}^{{ - 1}}}\left( t \right)B_{0}^{{\text{т}}}(t){{\psi }_{{10}}}\left( {t,\eta } \right)} \right), \\ {{\psi }_{{20}}}(t,\eta ) = - {{\left( {{{A}_{2}}(t)A_{4}^{{ - 1}}(t)} \right)}^{{\text{т}}}}{{\psi }_{{10}}}(t,\eta ). \\ \end{gathered} $Вектор-функции ${{{\text{П}}}_{0}}{{\psi }_{2}}(s,\eta )$, ${{{\text{П}}}_{0}}z(s,\eta )$, $s \leqslant 0$, ${{{\text{Q}}}_{0}}z(\tau ,\eta )$, $\tau \geqslant {\text{0}}$, $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$, суть решения следующих начальных задач:
(4.9)
$d{{{\text{П}}}_{0}}{{\psi }_{2}}{\text{/}}ds = - A_{4}^{{\text{т}}}(t{\text{*}}){{{\text{П}}}_{0}}{{\psi }_{2}},\quad {{{\text{П}}}_{0}}{{\psi }_{2}}(0) = H_{2}^{{\text{т}}}\nu + {{\left( {{{A}_{2}}(t{\text{*}})A_{4}^{{ - 1}}(t{\text{*}})} \right)}^{{\text{т}}}}H_{1}^{{\text{т}}}\lambda ,$(4.10)
$\begin{gathered} d{{{\text{П}}}_{0}}z{\text{/}}ds = A_{4}^{{\text{т}}}(t{\text{*}}){{{\text{П}}}_{0}}z + {{B}_{2}}(t{\text{*}}){{P}^{{ - 1}}}(t{\text{*}})B_{2}^{{\text{т}}}(t{\text{*}}){{{\text{П}}}_{0}}{{\psi }_{2}}(s,\eta ), \\ {{{\text{П}}}_{0}}z(0) = \int\limits_{ - \infty }^0 {G(s){{B}_{2}}(t{\text{*}}){{P}^{{ - 1}}}(t{\text{*}})B_{2}^{{\text{т}}}(t{\text{*}}){{{\text{П}}}_{0}}{{\psi }_{2}}(s,\eta )ds} , \\ d{{{\text{Q}}}_{0}}z{\text{/}}d\tau = A_{4}^{{\text{т}}}({{t}_{*}}){{{\text{Q}}}_{0}}{{z}_{0}},\quad {{{\text{Q}}}_{0}}z(0) = {{z}_{*}} - {{z}_{0}}({{t}_{*}},\eta ), \\ \end{gathered} $Заметим, что ${{y}^{0}}(t)$, ${{\psi }^{0}}(t)$, $t \in T$, есть решение краевой задачи (4.7) с $\lambda = {{\lambda }_{0}}$, а в силу (3.10) имеет место ${{{\text{П}}}_{0}}{{\psi }_{2}}(0,{{\eta }_{0}}) = H_{2}^{{\text{т}}}{{\sigma }_{0}}$. Тогда
(4.11)
${{y}_{0}}(t,{{\eta }_{0}}) = {{y}^{0}}(t),\quad {{\psi }_{{10}}}(t,{{\eta }_{0}}) = {{\psi }^{0}}(t),\quad t \in T,\quad {{{\text{П}}}_{0}}{{\psi }_{2}}(s,{{\eta }_{0}}) = {\text{П}}\psi (s),\quad s \leqslant 0.$Коэффициенты разложений (4.4) с номерами $k \geqslant 1$ находятся из систем линейных дифференциальных уравнений
Заметим, что вектор $\eta (\mu ) = \left( {\lambda (\mu ),\nu (\mu )} \right)$ множителей Лагранжа, соответствующий в силу принципа максимума оптимальному управлению, является решением системы уравнений
С помощью теоремы о неявной функции убедимся, что эта система однозначно разрешима относительно η при достаточно малых μ. Запишем ее в виде где(4.15)
${{R}_{0}}(\eta ) = \left( {\begin{array}{*{20}{c}} {{{H}_{1}}\left( {{{y}_{0}}(t*,\eta ) + {{\Pi }_{0}}y(0,\eta )} \right) - {{g}_{1}}} \\ {{{H}_{2}}\left( {{{z}_{0}}(t*,\eta ) + {{\Pi }_{0}}z(0,\eta )} \right) - {{g}_{2}}} \end{array}} \right),$(4.16)
${{R}_{k}}(\eta ) = \left( {\begin{array}{*{20}{c}} {{{H}_{1}}\left( {{{y}_{k}}(t*,\eta ) + {{{\text{П}}}_{k}}y(0,\eta )} \right)} \\ {{{H}_{2}}\left( {{{z}_{k}}(t*,\eta ) + {{{\text{П}}}_{k}}z(0,\eta )} \right)} \end{array}} \right),\quad k = 1,\;2, \ldots \;.$Положим $R(\eta ,0) = {{R}_{0}}(\eta )$, тогда вектор-функция $R(\eta ,\mu )$ будет непрерывной вместе со своими частными производными по компонентам вектора η в области $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$, $0 \leqslant \mu < {{\mu }_{0}}$.
Из формул (4.6), (4.11) непосредственно следует
(4.17)
${{H}_{1}}\left( {{{y}_{0}}(t*,{{\eta }_{0}}) + {{{\text{П}}}_{0}}y(0,{{\eta }_{0}})} \right) = {{H}_{1}}{{y}^{0}}(t{\text{*}}) = {{g}_{1}}.$(4.18)
${{z}_{0}}(t*,{{\eta }_{0}}) = - A_{4}^{{ - 1}}(t{\text{*}})\left( {{{A}_{3}}(t{\text{*}}){{y}^{0}}(t{\text{*}}) + {{B}_{2}}(t{\text{*}}){{u}^{0}}(t{\text{*}})} \right).$(4.19)
${{H}_{2}}z{\text{*}}(0) = {{H}_{2}}A_{4}^{{ - 1}}(t{\text{*}})\left( {{{A}_{3}}(t{\text{*}}){{y}^{0}}(t{\text{*}}) + {{B}_{2}}(t{\text{*}}){{u}^{0}}(t{\text{*}})} \right) + {{g}_{2}},$Непосредственным дифференцированием, учитывая формулы (4.6)–(4.11), получаем, что $\partial {{R}_{0}}{{({{\eta }_{0}},0)} \mathord{\left/ {\vphantom {{({{\eta }_{0}},0)} {\partial \eta }}} \right. \kern-0em} {\partial \eta }} = \partial {{R}_{0}}{{({{\eta }_{0}})} \mathord{\left/ {\vphantom {{({{\eta }_{0}})} {\partial \eta }}} \right. \kern-0em} {\partial \eta }} = {{I}_{0}}$ (см. (3.6)). Как было отмечено, эта матрица Якоби является невырожденной. Тогда для системы (4.13) или, что то же самое, (4.12), выполнены все условия теоремы о неявной функции. Согласно этой теореме, в некоторой правосторонней окрестности нуля $0 \leqslant \mu < {{\mu }_{1}}$ однозначно определена непрерывная вектор-функция $\eta (\mu ) = \left( {\lambda (\mu ),\nu (\mu )} \right)$, удовлетворяющая уравнениям (4.12), и $\eta (0) = {{\eta }_{0}} = ({{\lambda }_{0}},{{\nu }_{0}}).$
Поскольку асимптотические приближения, построенные с помощью метода пограничных функций, носят равномерный относительно начальных данных характер (см. [17]), то разложение (4.14) будет равномерным в области $\left\| {\eta - {{\eta }_{0}}} \right\| < {{\varepsilon }_{0}}$. Вектор-функции ${{R}_{k}}(\eta )$, k = 0, 1, …, бесконечно дифференцируемы, в чем можно убедиться, проанализировав уравнения для коэффициентов разложения по методу пограничных функций. Тогда для решения $\eta (\mu ) = \left( {\lambda (\mu ),\nu (\mu )} \right)$ системы (4.13) будут иметь место асимптотические разложения (4.3). Теорема доказана.
5. ПОСТРОЕНИЕ АСИМПТОТИЧЕСКИ СУБОПТИМАЛЬНЫХ УПРАВЛЕНИЙ
Продолжим изложение алгоритма построения асимптотических приближений к решению исходной задачи, опираясь на утверждения теоремы и формулы, полученные при ее доказательстве. Как видно из доказательства теоремы, оптимальное управление в задаче (1.1)–(1.3) представимо в виде
(5.1)
${{u}^{{\left( N \right)}}}(t,\mu ) = {{P}^{{ - 1}}}(t)\left( {B_{1}^{{\text{т}}}(t){{\psi }_{1}}\left( {t,{{\eta }^{{\left( N \right)}}}(\mu ),\mu } \right) + B_{2}^{{\text{т}}}(t){{\psi }_{2}}\left( {t,{{\eta }^{{\left( N \right)}}}(\mu ),\mu } \right)} \right),\quad t \in T,$(5.2)
${{\eta }^{{\left( N \right)}}}(\mu ) = \sum\limits_{k = 0}^N {{{\mu }^{k}}{{\eta }_{k}}} ,\quad {{\eta }_{k}} = ({{\lambda }_{k}},{{\nu }_{k}}),\quad k = 1,\;2,\; \ldots ,\;N.$(5.3)
${{I}_{0}}{{\eta }_{1}} = - {{R}_{1}}({{\eta }_{0}}),\quad {{I}_{0}}{{\eta }_{k}} = - {{R}_{k}}({{\eta }_{0}}) - \sum\limits_{i = 1}^{k - 1} {\frac{{\partial {{R}_{i}}}}{{\partial \eta }}({{\eta }_{0}}){{\eta }_{{k - i}}}} ,\quad k \geqslant 2.$(5.4)
${{\bar {u}}^{{(0)}}}(t,\mu ) = {{P}^{{ - 1}}}(t)\left( {B_{0}^{{\text{т}}}(t){{\psi }^{0}}(t) + B_{2}^{{\text{т}}}(t){\text{П}}\psi \left( {{{\left( {t - t{\text{*}}} \right)} \mathord{\left/ {\vphantom {{\left( {t - t{\text{*}}} \right)} \mu }} \right. \kern-0em} \mu }} \right)} \right) = {{u}^{0}}(t) + u{\text{*}}\left( {{{(t - t{\text{*}})} \mathord{\left/ {\vphantom {{(t - t{\text{*}})} \mu }} \right. \kern-0em} \mu }} \right),\quad t \in T.$Замечание 2. Для построения асимптотически субоптимального управления N-го порядка в задаче (1.1)–(1.3) достаточно найти асимптотическое приближение для $R(\eta ,\mu )$ с точностью порядка ${{\mu }^{{N + 1}}}$, а тогда предположение 2 можно ослабить, заменив его следующим требованием (см. [17]): элементы матриц, формирующих задачу, должны иметь непрерывные производные до порядка N + 2 включительно.
Построенные асимптотические приближения корней системы уравнений (4.13) можно использовать для нахождения оптимального управления ${{u}^{0}}(t,\mu )$, $t \in T$, в задаче (1.1)–(1.3) с заданным значением µ. Для этого нужно применить процедуру доводки (см. [18]), т.е. найти методом Ньютона корни системы (4.14), взяв в качестве начального приближения ${{\eta }^{{\left( N \right)}}}(\mu )$. Чтобы избежать интегрирования жестких систем, вместо матрицы $\partial R(\eta ,\mu ){\text{/}}\partial \eta $ можно воспользоваться ее асимптотическим приближением I0.
Замечание 3. При исследовании сингулярно возмущенных линейно-квадратичных задач оптимального управления традиционный подход (см. [1], [3], [4], [7]–[10]) состоит в построении асимптотики оптимальных траекторий. При этом исходная задача распадается на три невозмущенные вариационные задачи меньшей размерности. В настоящей статье строятся асимптотические приближения непосредственно к решению задачи, т.е. к оптимальному управлению. В этом случае происходит декомпозиция исходной задачи на две предельные задачи, соответственно, для медленной и быстрой переменных. Если же рассмотреть оптимальные траектории в этих двух задачах, то в первой базовой задаче (предельной для медленной переменной) в начале процесса возникает пограничный слой, который называют левым при традиционном подходе. Описывается он через решение еще одной вариационной задачи.
6. АСИМПТОТИЧЕСКИ СУБОПТИМАЛЬНЫЙ СИНТЕЗ
Программные асимптотически субоптимальные управления, разумеется, зависят от начального состояния $\left( {{{y}_{*}},{{z}_{*}},{{t}_{*}}} \right)$ динамической системы. Ранее такая зависимость нами не учитывалась, поскольку начальное состояние считалось заданным. В настоящем разделе, который посвящен построению асимптотически субоптимальной обратной связи нулевого порядка, нас будет интересовать именно эта зависимость. Она будет учтена и в обозначениях. В дальнейшем будем считать, что предположение 3 выполняется для всех ${{t}_{*}} < t{\text{*}}$. Момент $t{\kern 1pt} *$ по-прежнему считается заданным.
Введем обозначения, используя блоки фундаментальной матрицы F (см. (2.6))
(6.1)
${{С}_{1}}(t) = {{F}_{{12}}}\left( {t*,t} \right)F_{{22}}^{{ - 1}}\left( {t*,t} \right),\quad K(t) = F_{{22}}^{{ - 1}}\left( {t*,t} \right){{F}_{{21}}}(t*,t),\quad {{M}_{1}}(t) = {{H}_{1}}{{C}_{1}}(t)H_{1}^{{\text{т}}},\quad t \in T.$(6.2)
${{\psi }^{0}}({{t}_{*}}) = F_{{22}}^{{ - 1}}\left( {t*,{{t}_{*}}} \right)H_{1}^{{\rm T}}M_{1}^{{ - 1}}({{t}_{*}})\left( {{{H}_{1}}\left( {{{F}_{{12}}}\left( {t*,{{t}_{*}}} \right)K({{t}_{*}}) - {{F}_{{11}}}\left( {t*,{{t}_{*}}} \right)} \right){{y}_{*}} + {{g}_{1}}} \right) - K({{t}_{*}}){{y}_{*}},$(6.3)
${{\psi }^{0}}(t{\text{*}}) = H_{1}^{{\text{т}}}M_{1}^{{ - 1}}({{t}_{*}})\left( {{{H}_{1}}\left( {{{F}_{{12}}}\left( {t*,{{t}_{*}}} \right)K({{t}_{*}}) - {{F}_{{11}}}\left( {t*,{{t}_{*}}} \right)} \right){{y}_{*}} + {{g}_{1}}} \right).$(6.4)
${\text{Ф}}(t) = \left( {\begin{array}{*{20}{c}} {{{{\text{Ф}}}_{{{\text{11}}}}}(t)}&{{{{\text{Ф}}}_{{{\text{12}}}}}(t)} \\ {{{{\text{Ф}}}_{{{\text{21}}}}}(t)}&{{{{\text{Ф}}}_{{{\text{22}}}}}(t)} \end{array}} \right)$(6.6)
${{\psi }^{0}}({{t}_{*}}) = \Phi _{{22}}^{{ - 1}}({{t}_{*}})H_{1}^{{\text{т}}}M_{1}^{{ - 1}}({{t}_{*}})\left( {{{H}_{1}}{{\Phi }_{0}}({{t}_{*}}){{y}_{*}} + {{g}_{1}}} \right) - K({{t}_{*}}){{y}_{*}},$(6.7)
${{\psi }^{0}}({{t}_{*}}) = H_{1}^{{\text{т}}}M_{1}^{{ - 1}}({{t}_{*}})\left( {{{H}_{1}}{{{\text{Ф}}}_{{\text{0}}}}({{t}_{*}}){{y}_{*}} + {{g}_{1}}} \right),$(6.8)
${{{\text{Ф}}}_{{\text{0}}}}(t) = {{{\text{Ф}}}_{{{\text{12}}}}}(t)K(t) - {{{\text{Ф}}}_{{{\text{11}}}}}(t).$Согласно формуле Коши,
где $G(s)$, $s \leqslant 0$, – решение начальной задачи (3.5). Отсюда и из формул (3.2)–(3.4), (3.9) следует ${\text{z*}}(0) = {{С}_{3}}{\text{П}}\psi (0)$. Вместе с тем имеет место равенство (4.19), поэтому(6.9)
${\text{П}}\psi (0) = H_{2}^{{\text{т}}}M_{3}^{{ - 1}}\left( {{{H}_{2}}A_{4}^{{ - 1}}(t{\text{*}})\left( {{{A}_{3}}(t{\text{*}}){{y}^{0}}(t{\text{*}}) + {{B}_{2}}(t{\text{*}}){{P}^{{ - 1}}}(t{\text{*}})B_{0}^{{\text{т}}}(t{\text{*}}){{\psi }^{0}}(t{\text{*}})} \right) + {{g}_{2}}} \right),$(6.10)
${{C}_{0}}(t) = \left( {{{A}_{3}}(t{\text{*}}){{C}_{1}}(t) + {{B}_{2}}(t{\text{*}}){{P}^{{ - 1}}}(t{\text{*}})B_{0}^{{\text{т}}}(t{\text{*}})} \right)H_{1}^{{\text{т}}}M_{1}^{{ - 1}}(t),$(6.11)
${\text{П}}\psi (s) = {{G}^{{\text{т}}}}(s)H_{2}^{{\text{т}}}M_{3}^{{ - 1}}\left( {{{H}_{2}}A_{4}^{{ - 1}}(t{\text{*}})\left( {{{C}_{0}}({{t}_{*}})\left( {{{H}_{1}}{{{\text{Ф}}}_{{\text{0}}}}({{t}_{*}}){{y}_{*}} + {{g}_{1}}} \right) - {{A}_{3}}(t{\text{*}}){{{\text{Ф}}}_{{\text{0}}}}({{t}_{*}}){{y}_{*}}} \right) + {{g}_{2}}} \right),\quad s \leqslant 0.$Как видно из (5.3), (6.6), (6.11), асимптотически субоптимальное управление нулевого порядка в начальный момент времени представимо в виде
(6.12)
$\begin{gathered} {{u}^{{\left( 0 \right)}}}(y,z,t,\mu ) = {{P}^{{ - 1}}}(t)\left( {B_{0}^{{\text{т}}}(t)\left( {\Phi _{{22}}^{{ - 1}}(t)H_{1}^{{\text{т}}}M_{1}^{{ - 1}}(t)\left( {{{H}_{1}}{{\Phi }_{0}}(t)y + {{g}_{1}}} \right) - K(t)y} \right) + } \right. \\ + \;\left. {B_{2}^{{\text{т}}}(t){{G}^{{\text{т}}}}\left( {{{(t - t{\text{*}})} \mathord{\left/ {\vphantom {{(t - t{\text{*}})} \mu }} \right. \kern-0em} \mu }} \right)H_{2}^{{\text{т}}}M_{3}^{{ - 1}}\left( {{{H}_{2}}A_{4}^{{ - 1}}(t{\text{*}})\left( {{{C}_{0}}(t)\left( {{{H}_{1}}{{{\text{Ф}}}_{{\text{0}}}}(t)y + {{g}_{1}}} \right) - {{A}_{3}}(t{\text{*}}){{{\text{Ф}}}_{{\text{0}}}}(t)y} \right) + {{g}_{2}}} \right)} \right) \\ \end{gathered} $Введя обозначения
7. ПРИМЕР
Рассмотрим задачу, которая моделирует процесс управления движением материальной точки малой массы по горизонтальной плоскости с учетом силы сопротивления среды, которая пропорциональна скорости точки:
(7.1)
$\begin{gathered} {{y}_{1}}({{t}_{*}}) = {{y}_{{*1}}},\quad {{y}_{2}}({{t}_{*}}) = {{y}_{{*2}}},\quad {{z}_{1}}({{t}_{*}}) = {{z}_{{*1}}},\quad {{z}_{2}}({{t}_{*}}) = {{z}_{{*2}}}, \\ {{y}_{1}}(t{\text{*}}) = 0,\quad {{z}_{1}}(t{\text{*}}) = 0,\quad {{z}_{2}}(t{\text{*}}) = 0, \\ \end{gathered} $Динамическая система в первой базовой задаче
(7.2)
$u_{1}^{0}(t) = - {{a}_{1}}\frac{{{\text{сh}}\left( {\frac{{{{a}_{1}}b}}{c}\left( {t{\text{*}} - t} \right)} \right)}}{{{\text{sh}}\left( {\frac{{{{a}_{1}}b}}{c}\left( {t{\text{*}} - {{t}_{*}}} \right)} \right)}}{{y}_{{*1}}},\quad u_{2}^{0}(t) = - {{a}_{2}}\frac{{{\text{sh}}\left( {\frac{{{{a}_{2}}b}}{c}\left( {t{\text{*}} - t} \right)} \right)}}{{{\text{ch}}\left( {\frac{{{{a}_{2}}b}}{c}\left( {t{\text{*}} - {{t}_{*}}} \right)} \right)}}{{y}_{{*2}}},\quad t \in [{{t}_{*}},t{\kern 1pt} *{\kern 1pt} ].$Для динамической системы во второй базовой задаче
(7.3)
$u_{1}^{*}(s) = \frac{{2{{a}_{1}}\exp (cs)}}{{{\text{sh}}\left( {\frac{{{{a}_{1}}b}}{c}\left( {t{\text{*}} - {{t}_{*}}} \right)} \right)}}{{y}_{{*1}}},\quad u_{2}^{*}(s) = 0,\quad s \leqslant 0.$Согласно (5.3), асимптотически субоптимальное управление нулевого порядка в задаче (7.1) представимо в виде
(7.4)
$\bar {u}_{i}^{{(0)}}(t,\mu ) = u_{i}^{0}(t) + u_{i}^{*}\left( {{{\left( {t - t{\text{*}}} \right)} \mathord{\left/ {\vphantom {{\left( {t - t{\text{*}}} \right)} \mu }} \right. \kern-0em} \mu }} \right),\quad t \in [{{t}_{*}},t{\kern 1pt} *{\kern 1pt} ],\quad i = 1,\;2.$Асимптотически субоптимальная обратная связь нулевого порядка, которая строится по формулам (3.5), (3.9), (6.1), (6.8), (6.10), (6.12) имеет вид
(7.5)
$\begin{gathered} u_{1}^{{\left( 0 \right)}}(y,z,t,\mu ) = - {{a}_{1}}\left( {{\text{cth}}\left( {\frac{{{{a}_{1}}b}}{c}\left( {t{\text{*}} - t} \right)} \right) - \frac{{2\exp \left( {c\left( {t - t{\text{*}}} \right){\text{/}}\mu } \right)}}{{{\text{sh}}\left( {\frac{{{{a}_{1}}b}}{c}\left( {t{\text{*}} - t} \right)} \right)}}} \right){{y}_{1}}, \\ u_{2}^{{\left( 0 \right)}}(y,z,t,\mu ) = {{a}_{2}}{\text{th}}\left( {\frac{{{{a}_{2}}b}}{c}\left( {t{\text{*}} - t} \right)} \right){{y}_{2}}. \\ \end{gathered} $Для оценки качества построенных асимптотических приближений к решению задачи (7.1) были найдены невязки $\left( {{{y}_{1}}(t*,\mu ),{{z}_{1}}(t*,\mu ),{{z}_{2}}(t*,\mu )} \right)$ в терминальных ограничениях при управлении (7.4) для конкретных значений малого параметра в случае, когда ${{a}_{1}} = 1$, ${{a}_{2}} = 2$, $b = 4$, $c = 3$, ${{t}_{*}} = 0$, $t{\kern 1pt} * = 5$, ${{y}_{{*1}}} = 2$, ${{y}_{{*1}}} = 1$, ${{z}_{{*1}}} = 1$, ${{z}_{{*2}}} = 2$. В частности, оказалось, что
Результаты вычислений приведены с точностью до 10–6.ЗАКЛЮЧЕНИЕ
В статье предложены и обоснованы вычислительные процедуры построения асимптотических приближений к решению рассмотренной задачи в виде программы и обратной связи. При применении предлагаемых алгоритмов задача распадается на две невозмущенные задачи оптимального управления меньшей размерности. Такая декомпозиция позволяет эффективно решать задачи оптимизации динамических систем с большим числом фазовых переменных. Кроме того, вычислительные процедуры алгоритмов не содержат интегрирований сингулярно возмущенных систем, которые являются жесткими.
Список литературы
Дмитриев М.Г., Курина Г.А. Сингулярные возмущения в задачах управления // Автоматика и телемехан. 2006. № 1. С. 3–51.
Калинин А.И. Асимптотика решений возмущенных задач оптимального управления // Изв. РАН. Техн. кибернетика. 1994. № 3. С. 104–114.
Zhang Y., Naidu D.S., Cai C., Zou Y. Singular perturbation and time scales in control theories and applications. An overview 2002–2012 // Int. J. Information and Systems Sciences. 2014. V. 9. № 1. P. 1–36.
Kokotovic P.V., Khalil H.K. Singular perturbations in systems and control. New York: IEEE Press, 1986.
Ракитский Ю.В., Устинов С.М., Черноруцкий И.Г. Численные методы решения жестких систем. М.: Наука, 1979.
Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М.: Наука, 1983.
Kokotovic P.V., Jackel R.A. Singular perturbation of linear regulators: basic theorems // IEEE Trans. Automat. Control. 1972. V. 17. № 1. P. 29–37.
Wilde R.R., Kokotovic P.V. Optimal open – and closed loop control of singularly perturbed linear systems // IEEE Trans. Automat. Control. 1973. V. 18. № 6. P. 616–626.
Глизер В.Я., Дмитриев М.Г. Сингулярные возмущения в линейной задаче оптимального управления с квадратичным функционалом // Докл. АН СССР. 1975. Т. 225. № 5. С. 997–1000.
O’Malley R.E., Jr. Singular perturbation and optimal control // Lecture Notes. Math. 1978. V. 680. P. 171–218.
Калинин А.И., Лавринович Л.И. Асимптотика решения сингулярно возмущенной линейно-квадратичной задачи оптимального управления // Ж. вычис. матем. и матем. физ. 2015. Т. 55. № 2. С. 194–206.
Габасов Р., Кириллова Ф.М. Качественная теория оптимальных процессов. М.: Наука, 1971.
Калинин А.И. О проблеме синтеза оптимальных систем управления // Ж. вычисл. матем. и матем. физ. 2018. Т. 58. № 3. С. 397–402.
Мордухович Б.Ш. Существование оптимальных управлений // Соврем. пробл. матем. (Итоги науки и техники) М.: ВИНИТИ, 1976. Т. 6. С. 207–271.
Калинин А.И., Лавринович Л.И. Асимптотика решения сингулярно возмущенной линейно-квадратичной задачи оптимального управления с терминальными ограничениями на траектории // Автоматика и телемехан. 2020. № 6. С. 29–46.
Есипова В.А. Асимптотика решения краевой задачи для сингулярно возмущенных систем обыкновенных дифференциальных уравнений условно устойчивого типа // Дифференц. ур-ния. 1975. Т. 11. № 11. С. 1957–1966.
Васильева А.Б., Бутузов В.Ф. Асимптотические разложения решений сингулярно возмущенных уравнений. М.: Наука, 1973.
Габасов Р., Кириллова Ф.М. Конструктивные методы оптимизации. Ч. 2. Минск: Университетское, 1984.
Дополнительные материалы отсутствуют.
Инструменты
Журнал вычислительной математики и математической физики