Prinsip Maksimum Pontryagin
- Diperkenalkan oleh
- Lev Pontryagin
- Tahun
- 1962
- Jenis
- algorithm
- Keluarga
- Optimal Control
Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris
Apa fungsinya?
Prinsip Maksimum Pontryagin (PMP) adalah teorema fundamental dalam teori kendali optimal yang menyediakan kondisi perlu untuk optimalitas suatu lintasan kendali.
Diterbitkan oleh Lev Pontryagin pada tahun 1962, PMP menggeneralisasi kalkulus variasi ke masalah kendali dengan kendala dan merupakan fondasi teoretis yang memungkinkan solusi masalah optimasi lintasan yang kompleks mulai dari misi pesawat ruang angkasa hingga optimasi proses industri.
Intuisi di balik metode
PMP menyatakan bahwa kendali optimal harus memaksimalkan Hamiltonian H(x, u, λ) = L(x, u) + λ^T f(x, u), di mana L adalah integrand biaya, f adalah dinamika sistem, dan λ adalah variabel costate (pengganda Lagrange). Kendali optimal memenuhi: x_dot = ∂H/∂λ, λ_dot = −∂H/∂x, u* = argmax_u H. Kondisi-kondisi ini mengubah masalah kendali optimal berdimensi tak hingga menjadi masalah nilai batas (BVP) berdimensi hingga yang dapat diselesaikan secara numerik. Berbeda dengan pemrograman dinamis (yang mahal secara komputasi), PMP sering menghasilkan solusi bentuk tertutup atau memungkinkan pemecah numerik yang efisien.
Sejarah
Pontryagin membuktikan prinsip maksimum pada tahun 1961, diterbitkan pada tahun 1962. Teorema ini menggeneralisasi kalkulus variasi klasik dan menjadi fondasi bagi kendali optimal modern. Perluasan mencakup persamaan Pontryagin-Jacobi untuk optimalitas urutan kedua, dan aplikasi pada permainan diferensial dan sistem terkendala.
Kapan digunakan
Gunakan PMP ketika Anda memiliki fungsional biaya yang terdefinisi dengan baik, dinamika yang mulus, dan membutuhkan solusi optimal (bukan hanya layak). Ideal untuk optimasi lintasan (pesawat ruang angkasa, robot), kendali optimal waktu, dan optimasi terkendala. PMP bekerja dengan baik untuk masalah berdimensi sedang (dimensi keadaan < 20). Hindari PMP jika Anda memerlukan solusi waktu nyata (ini offline) atau jika dinamika tidak mulus (gunakan metode numerik atau MPC sebagai gantinya).
Batasan dan pertimbangan
- Kondisi perlu tetapi tidak cukup; solusi PMP mungkin suboptimal (minimum lokal).
- Penyelesaian masalah nilai batas secara numerik sulit; memerlukan iterasi dan tebakan awal yang baik.
- Kompleksitas komputasi tinggi untuk ruang keadaan berdimensi tinggi.
- Busur singular (solusi degeneratif) memerlukan analisis khusus di luar PMP.
- Mengasumsikan dinamika dan biaya yang mulus; diskontinuitas memerlukan analisis terpisah.
Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.
Kelebihan
- Menyediakan kondisi perlu untuk optimalitas; solusi yang memenuhi PMP adalah optimal lokal.
- Bekerja untuk kendali terkendala dan kendala terminal; lebih umum daripada persamaan Bellman.
- Sering menghasilkan kendali bang-bang (hidup-mati); solusi praktis yang sederhana.
- Memberikan wawasan tentang struktur kendali optimal melalui geometri Hamiltonian.
- Diperluas ke masalah optimal waktu (PMP secara alami meminimalkan waktu).
Penerapan
- Dirgantara: Lintasan pesawat ruang angkasa optimal untuk transfer minimal bahan bakar, pendaratan planet.
- Robotika: Perencanaan gerak robot optimal waktu dengan batas percepatan.
- Kontrol proses: Penjadwalan bahan baku optimal untuk reaktor kimia.
- Sistem energi: Dispatch daya optimal di microgrid.
- Kendaraan otonom: Strategi mengemudi hemat bahan bakar di bawah kendala lalu lintas.
Cara kerjanya
Cara kerjanya
Definisikan keadaan x, kendali u, dinamika x_dot=f(x,u), dan fungsional biaya J=∫L(x,u)dt+V(x(T)).
Perkenalkan costate λ dan bentuk Hamiltonian H=L+λ^T f; ini menyandikan masalah optimasi.
Selesaikan masalah nilai batas dua titik: x_dot=∂H/∂λ (keadaan), λ_dot=−∂H/∂x (costate), u*=argmax_u H (kendali).
Periksa kondisi urutan kedua (Legendre-Clebsch) untuk mengonfirmasi titik kritis adalah maksimum (kecukupan).
Kesalahan umum
- Mencampuradukkan PMP dengan kondisi cukup; solusi yang memenuhi PMP adalah kandidat optimal, bukan jaminan optimal.
- Mengabaikan struktur masalah nilai batas; pemecah numerik naif gagal pada masalah yang kaku dan buruk kondisinya.
- Tidak memeriksa busur singular; kendali optimal dapat beralih antara solusi PMP reguler dan mode singular.
- Menggunakan PMP untuk kendali waktu nyata; optimasi online memerlukan MPC atau metode cepat lainnya.
Pertanyaan yang sering diajukan
Apa itu variabel costate λ dan makna fisiknya?
Costate adalah pengganda Lagrange yang terkait dengan dinamika keadaan. λ_i mewakili sensitivitas biaya optimal terhadap perubahan keadaan x_i: ∂J/∂x_i(t) = λ_i(t). Di tujuan, λ(T) berhubungan dengan gradien biaya terminal. Costate mewujudkan 'harga bayangan' dari pelonggaran kendala keadaan.
Metode terkait
Sumber
Pontryagin, L. S., Boltyanskii, V. G., Gamkrelidze, R. V., & Mischenko, E. F. (1962). The Mathematical Theory of Optimal Processes. John Wiley & Sons.
Buka referensi publikasiDisalin.