JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1 Dynamische Systeme auf dem optimalen Weg<br />
ist die Optimierung e<strong>in</strong>e statische Analyse der so genannten Zielfunktion um den besten<br />
Wert e<strong>in</strong>es gewissen Systemzustands zu ermitteln. E<strong>in</strong> e<strong>in</strong>faches Beispiel hierfür<br />
aus der Wirtschaft wäre die Gew<strong>in</strong>nfunktion, für welche e<strong>in</strong> jedes Unternehmen jedes<br />
Jahr das Maximum anhand von verschiedenen Parametern wie Materialkosten, Produktion<br />
oder Lohnkosten sucht. Die gesuchten Extrema dieser Zielfunktion werden<br />
e<strong>in</strong>dimensionalen Fall durch das zu Null setzten der ersten Ableitung ermittelt, und im<br />
n-dimensionalen Fall durch das Null setzten des Vektorgradienten ∇ f . Bei den meisten<br />
komplexen Zielfunktionen ist es aber kompliziert globale Extrema zu ermitteln, so dass<br />
man sich auf lokale Extremstellen, die durch weitere Nebenbed<strong>in</strong>gungen e<strong>in</strong>gegrenzt<br />
werden können, beschränkt. In der Mathematik lassen sich manche Nebenbed<strong>in</strong>gungen<br />
durch setzten von Funktionen auf feste Werte ausdrücken g(x) = 0, g : R m −→ R<br />
ausdrücken. Das Lagrange-Multiplikator Gesetz besagt hierbei, dass die Lösungen für<br />
solche Optimierungsprobleme sich durch e<strong>in</strong>e neue Zielfunktion<br />
L(x, λ) = f (x) +<br />
m<br />
∑<br />
i=1<br />
λi · gi(x)<br />
berechnen lassen. Solche s<strong>in</strong>d nur an Stellen x zu f<strong>in</strong>den, für welche es Lagrange-<br />
Multiplikatoren λ gibt, die die Bed<strong>in</strong>gungen<br />
�<br />
∇xL(x, λ) = ∇x · f (x) + ∑ m i=1 λi · ∇xgi(x) = 0, λ ∈ R m<br />
∇λL(x, λ)gi(x) = 0<br />
erfüllen. Das s<strong>in</strong>d die notwendigen Bed<strong>in</strong>gungen für das F<strong>in</strong>den e<strong>in</strong>es lokalen M<strong>in</strong>imums,<br />
wobei ∇λL(x, λ)gi(x) = 0 nur die Nebenbed<strong>in</strong>gungen des Anfangs wiederholt. Die<br />
Lösungen dafür nennt man kritische Punkte. Nun ist es aber im n-dimensionalen Raum<br />
wie im 1-dimensionalen so, dass die e<strong>in</strong>e Nullstelle der ersten Ableitung auch e<strong>in</strong>en<br />
Sattelpunkt statt e<strong>in</strong>es Extremums bedeuten kann. Um hierbei zu unterscheiden, gibt<br />
24