Document

システム最適化特論
担当:平田 健太郎
第10回 (6/15)
1.グラフとネットワークにおける数理
・ 組合せ最適化(3)
2.システム制御と最適化
・ 最適制御とDP
1
講義日程(予定)
4/13 1.グラフとネットワークにおける数理
・ 輸送問題とLP
4/20
・ シンプレックス法(1)
4/27
・ シンプレックス法(2), 双対問題
5/7
・ 多項式時間アルゴリズム, 内点法(1)
5/11
・ 内点法(2)
5/18
・ 最短経路問題とダイクストラ法(1)
5/25
6/1
6/8
・ 最短経路問題とダイクストラ法(2)
・ 組合せ最適化(1)
・ 組合せ最適化(2)
2
6/15
・ 組合せ最適化(3)
2.システム制御と最適化
・ 最適制御とDP
6/22
・ 凸解析と線形行列不等式
6/29
・ 最適制御再訪
7/6
・ LMIによる制御系解析・設計
7/13
・ 非線形最適化 (1)
7/27
・ 非線形最適化 (2)
(8/3)
(期末レポート提出)
* 期末試験はレポートとする
3
例4: 巡回セールスマン問題
8
1
7
4
2
4
4
5
8
3
動的計画法(ダイナミックプログラミング)による解法:
最適制御問題の導入も兼ねて
4
動的計画法(Dynamic Programming)
離散過程に対する多段階決定問題
状態 𝑥 に決定 𝑢 を与えたときの状態遷移: 𝑓(𝑥, 𝑢)
𝑥2 = 𝑓(𝑥1 , 𝑢1 )
𝑥3 = 𝑓(𝑥2 , 𝑢2 )

𝑥𝑁 = 𝑓(𝑥𝑁−1 , 𝑢𝑁−1 )
各段階におけるコスト: 𝐿 𝑥𝑘 , 𝑢𝑘 , 𝑘 = 1, ⋯ , 𝑁
𝑁
𝐿 𝑥𝑘 , 𝑢𝑘
和
を最小にするよう 𝑢𝑘 を選ぶ.
𝑘=1
5
N段決定過程の最小和
𝐽𝑁 𝑥1 = min 𝐿 𝑥1 , 𝑢1 + ⋯ + 𝐿 𝑥𝑁 , 𝑢𝑁
𝑢𝑘
= min min ⋯min 𝐿 𝑥1 , 𝑢1 + ⋯ + 𝐿 𝑥𝑁 , 𝑢𝑁
𝑢1
𝑢2
𝑢𝑁
= min 𝐿 𝑥1 , 𝑢1 + min ⋯ min 𝐿 𝑥2 , 𝑢2 ⋯ + 𝐿 𝑥𝑁 , 𝑢𝑁
𝑢1
𝑢2
𝑢𝑁
= min 𝐿 𝑥1 , 𝑢1 + 𝐽𝑁−1 𝑥2
𝑢1
= min 𝐿 𝑥1 , 𝑢1 + 𝐽𝑁−1 𝑓(𝑥1 , 𝑢1 )
𝑢1
N-1段決定過程
の最小和
6
動的計画法による解法
巡回セールスマン問題に対する最適性の原理
8
1
7
4
2
4
4
5
8
3
8
8
1
7
4
2 5
4 8
3
4
S 1
S 2
9
S 3
8
1
7
4
5
4 8
3
4
2
10
ヒューリスティック解法(発見的解法)
NP困難な問題に対しては厳密解をあきらめて,比較的短時間で
よい近似解が得られればよしとする.
最近近傍法
ある節点から出発点して,まだ訪問していない隣接節点の
なかで現在の節点に最も近い節点へ次々と移動していく.
(欲張り法)
8
1
7
4
2 5
4 8
3
4
1から出発すると1⇒3⇒2⇒4⇒1(最適解!)
3から出発すると, 1と2は同距離
3⇒1⇒2⇒4⇒3(最適でない)
3⇒2⇒4⇒1⇒3(最適)
11
ヒューリスティック解法によって得た近似解を部分的に修正して,よ
りよい近似解を求める
⇒メタヒューリスティックス(主として局所探索法)
近似解
2-opt 法: 得られている巡回路から隣接し
ない2本の枝を選んで別の2本と変える
3-opt 法:
etc …
12
局所解に囚われないための工夫
シミュレーテッド・アニーリング法
温度のパラメータを定め,高温時には目的関数値を悪化させ
るような遷移もある確率で許す.
タブー探索法
一度探索した領域をタブーリストに加えて,再度探索しない
ようにする
その他にもいろいろな探索アルゴリズムがある.
遺伝アルゴリズム(GA, Genetic Algorithm),
PSO(Particle Swarm Optimization), NN (Neural Network)
etc…
13
2.システム制御と最適化
・ 最適制御とDP
14
制御系設計においては, 各種性能の最大化が求めら
れる. これは最適化問題に他ならない.
また, ある仕様を満足するような設計問題は, 目的関
数を持たない実行可能解の探索問題 (feasibility
problem)と見ることができる.
まずは典型例として, いわゆる最適制御問題を考える.
15
 最適制御問題 (一般形, 非線形)
制御入力 𝑢(𝑡)
システム
(内部状態 𝑥 𝑡 )
出力
システムの動特性は(非線形な)常微分方程式で与えられるとする.
状態方程式
終端条件の重み関数
状態,制御入力の重み関数
16
線形系
一般形
状態方程式
評価関数
𝑥 𝑡 = 𝐴𝑥 𝑡 + 𝐵𝑢(𝑡)
𝐽 = 𝑥 𝑇 𝑇 𝑄𝑓 𝑥 𝑇
𝑇
+
𝑥 𝑇 𝑡 𝑄𝑥 𝑡 + 𝑢𝑇 𝑡 𝑅𝑢 𝑡 𝑑𝑡
0
(2次評価関数)
17
最適性の原理
min 𝐽
𝑢(⋅)
s. t. 𝑥 𝑡 = 𝑓(𝑥 𝑡 , 𝑢 𝑡 )
18
動的計画法に基づく最適条件の導出
最適コスト関数
積分区間を分割
最適性の原理から
19
最適コスト関数
(離散時間の場合の次式に相当)
𝐽𝑁 𝑥1 = min 𝐽𝑁−1 𝑥2 + 𝐿 𝑥1 , 𝑢1
𝑢1
𝑥(𝜏)
𝑥(𝜏1 )
𝑥1
𝑥2
20
とし, 右辺第1項をテーラー展開する. (2変数関数)
第2項については
中の
を
と近似し,
𝜕𝐽∗
𝜕𝐽∗
= − min
𝑢 𝜏 ∈𝑈 𝜕𝑥
𝜕𝜏
の極限をとる.
𝑇
𝑓 𝑥 𝜏 ,𝑢 𝜏
+ 𝐿(𝑥 𝜏 , 𝑢 𝜏 )
21
𝜕𝐽∗
𝜕𝜏
= − min
𝑢 𝜏 ∈𝑈
𝑇
∗
𝜕𝐽
𝜕𝑥
𝑓 𝑥 𝜏 ,𝑢 𝜏
右辺を最小化する 𝑢 は 𝑥(𝜏) と
𝑢 𝑥 𝜏
𝜕𝐽∗
,
𝜕𝑥
𝜕𝐽∗
𝜕𝑥
+ 𝐿(𝑥 𝜏 , 𝑢 𝜏 )
に依存するので, これを
とおくと
最適であるための必要条件 (十分性もいえる)
22
一般に, 非線形偏微分方程式であるHJ方程式を
解析的に解くことは困難 ⇒ 線形システムに限定
23
平方完成
右辺を最小化する
24
-1 ×
𝑇 → ∞ (定常解)⇒ 代数リカッチ方程式
25