Modern Methods in Nonlinear Optimization (Optimierung mit ... - M1
Modern Methods in Nonlinear Optimization (Optimierung mit ... - M1
Modern Methods in Nonlinear Optimization (Optimierung mit ... - M1
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Technische Universität München<br />
Zentrum Mathematik<br />
Lehrstuhl für Mathematische <strong>Optimierung</strong>, <strong>M1</strong><br />
Prof. Dr. Michael Ulbrich<br />
Dipl.-Math. Christian Böhm Sommersemester 2013<br />
<strong>Modern</strong> <strong>Methods</strong> <strong>in</strong> Nonl<strong>in</strong>ear <strong>Optimization</strong><br />
(<strong>Optimierung</strong> <strong>mit</strong> partiellen Differentialgleichungen)<br />
Übungsblatt 4<br />
Aufgabe 4.1 (Adjungierte und Berechnung von Ableitungen):<br />
Man betrachte nochmals Beispiel 3.4 aus der Vorlesung:<br />
m<strong>in</strong><br />
(y,u)∈Y ×U J(y, u) := 1 2 ‖y − y d‖ 2 L 2 (Ω) + α 2 ‖u‖2 L 2 (∂Ω)<br />
s.t. ⎧⎪ ⎨<br />
⎪ ⎩<br />
−∆y + y 3 = 0 <strong>in</strong> Ω,<br />
∂y<br />
∂ν + y = u<br />
a ≤ u ≤ b<br />
auf ∂Ω,<br />
auf ∂Ω,<br />
<strong>mit</strong> Ω ⊂ R n , (n = 2, 3) offen, beschränkt und <strong>mit</strong> Lipschitz-Rand, y d ∈ L 2 (Ω) Y = H 1 (Ω),<br />
a, b ∈ L 2 (∂Ω) <strong>mit</strong> a ≤ b, U = L 2 (∂Ω) und U ad = {u ∈ U : a ≤ u ≤ b}.<br />
Die schwache Formulierung der Zustandsgleichung ist gegeben durch e(y, u) = 0 <strong>mit</strong><br />
e : Y × U → Y ∗ ,<br />
〈e(y, u), v〉 Y ∗ ,Y = (∇y, ∇v) L 2 (Ω) n + (y3 , v) L 2 (Ω) + (y − u, v) L 2 (∂Ω).<br />
(a) Zeigen Sie, dass F : L 6 (Ω) → L 2 (Ω),<br />
bestimmen Sie die Ableitung.<br />
y ↦→ y 3 stetig Fréchet-differenzierbar ist und<br />
(b) Berechnen Sie die partiellen Ableitungen von J und e und begründen Sie, dass der Operator<br />
e y (y, u) stetig <strong>in</strong>vertierbar ist.<br />
(c) Leiten Sie die l<strong>in</strong>earisierte Zustandsgleichung und die adjungierte Gleichung <strong>in</strong> schwacher<br />
und starker Form her.<br />
(d) Geben Sie die Adjungierten-Darstellung der Ableitung der reduzierten Zielfunktion an.<br />
Seite 1 von 2
Aufgabe 4.2 (Optimale Steuerung gewöhnlicher Differentialgleichungen):<br />
Gegeben sei das Optimalsteuerungsproblem<br />
∫ T<br />
m<strong>in</strong> J(y, u) := g(t, y(t), u(t)) dt + h(y(T ))<br />
(y,u)∈Y ×U 0<br />
s.t.<br />
(P)<br />
y ′ (t) = f(t, y(t), u(t)) a.e. <strong>in</strong> [0, T ], y(0) = y 0 ,<br />
<strong>mit</strong> T > 0, n y , n u ∈ N, n y , n u ≥ 1, Y = W 1,∞ ([0, T ], R ny ), U = L ∞ ([0, T ], R nu ), y 0 ∈ R ny und<br />
Fréchet-differenzierbaren Funktionen f : [0, T ] × R ny × R nu → R ny , g : [0, T ] × R ny × R nu → R<br />
und h : R ny → R<br />
(a) Geben Sie die Lagrange-Funktion L : Y × U × Y × R ny → R für Problem (P) an. Nutzen<br />
Sie dabei die Lagrange-Multiplikatoren λ ∈ Y für die ODE-Nebenbed<strong>in</strong>gung und λ 0 ∈ R ny<br />
für die Anfangsbed<strong>in</strong>gung.<br />
(b) Bestimmen Sie die adjungierte Gleichung für den adjungierten Zustand λ = λ(u) ∈<br />
W 1,∞ ([0, T ], R ny ). Stellen Sie dazu zunächst die variationelle Form von<br />
L y (y(u), u, λ(u), λ 0 ) = 0<br />
explizit auf und leiten Sie daraus anschließend durch partielle Integration e<strong>in</strong>e gewöhnliche<br />
Differentialgleichung für den adjungierten Zustand her. Sie können dabei ohne Beweis<br />
verwenden, dass der adjungierte Zustand <strong>in</strong> W 1,∞ ([0, T ], R ny ) existiert.<br />
(c) Zur Herleitung der notwendigen Optimalitätsbed<strong>in</strong>gungen wird <strong>in</strong> der Regelungstechnik<br />
häufig anstelle der Lagrange-Funktion die Hamilton-Funktion verwendet, die durch<br />
H(t, y(t), u(t), λ(t)) := g(t, y(t), u(t)) + λ(t) T f(t, y(t), u(t)),<br />
def<strong>in</strong>iert ist. Die notwendigen Optimalitätsbed<strong>in</strong>gungen lassen sich dann <strong>in</strong> folgender Form<br />
schreiben: Sei (y ∗ , u ∗ ) ∈ Y × U e<strong>in</strong> lokales M<strong>in</strong>imum von (P). Dann existiert e<strong>in</strong> λ ∈ Y <strong>mit</strong><br />
H u (t, y ∗ (t), u ∗ (t), λ(t)) = 0 a.e. <strong>in</strong> [0, T ], (Optimalitäts-Bed<strong>in</strong>gung)<br />
H y (t, y ∗ (t), u ∗ (t), λ(t)) T = −λ ′ (t) a.e. <strong>in</strong> [0, T ], (adjungierte Gleichung)<br />
λ(T ) = (h y (y ∗ (T ))) T .<br />
Betrachten Sie für n y = n u = 1 das Beispiel<br />
∫ 2<br />
m<strong>in</strong> J(y, u) := y(t) + 1<br />
(y,u)∈Y ×U 2 u2 (t) dt<br />
0<br />
(Transversalitäts-Bed<strong>in</strong>gung)<br />
s.t. y ′ (t) = y(t) + u(t) a.e. <strong>in</strong> [0, 2], y(0) = 1 2 e2 − 1.<br />
Berechnen Sie <strong>mit</strong> Hilfe der Optimalitätsbed<strong>in</strong>gungen die optimale Kontrolle und den<br />
zugehörigen optimalen Zustand.<br />
Seite 2 von 2