Все выпуски

Статья посвящена исследованию эффективности применения технологии параллельных вычислений на многопроцессорных системах с общей памятью для задач приближенного расчета множеств достижимости нелинейных управляемых систем в конечномерном евклидовом пространстве. В рамках исследования предложен параллельный алгоритм приближенного построения множеств достижимости, основанный на пошаговой вычислительной схеме с использованием узлов «кубических» сеток для аппроксимации множеств. Предложенный алгоритм предназначен для проведения расчетов на ЭВМ архитектуры SMP и решает вопросы разделения задачи на отдельные подзадачи, синхронизации работы параллельных частей алгоритма и равномерного распределения нагрузки между процессорами. Численное моделирование примеров на ЭВМ с двумя 4-ядерными процессорами с использованием предложенного в статье параллельного алгоритма показало высокую эффективность применения технологии параллельных вычислений для расчета множеств достижимости сеточными методами.

The paper investigates the effectiveness of shared memory parallel programming approach for constructing approximate attainable sets of nonlinear control systems in a finite-dimensional Euclidean space. In this study, we propose a parallel iterative algorithm for constructing approximate attainable sets employing a regular Cartesian grid for spatial discretization. The proposed algorithm has been designed for implementation on SMP systems and handles such issues as data decomposition, threads synchronization and distribution of work between multiple threads. Numerical experiments on a system with two quad-core processors confirmed a high efficiency of shared memory parallel programming approach for applying grid-based methods to construct approximate attainable sets.

Для задачи оптимального управления системой обыкновенных дифференциальных уравнений с поточечным фазовым ограничением типа равенства и конечным числом функциональных ограничений типа равенства и неравенства формулируется устойчивый секвенциальный, или, другими словами, регуляризованный, принцип максимума Понтрягина в итерационной форме. Его главное отличие от классического принципа максимума Понтрягина заключается в том, что он, во-первых, формулируется в терминах минимизирующих последовательностей, во-вторых, имеет форму итерационного процесса в пространстве двойственных переменных и, наконец, в-третьих, устойчиво к ошибкам исходных данных оптимизационной задачи порождает в ней минимизирующее приближенное решение в смысле Дж. Варги, т.е. представляет собою регуляризирующий алгоритм. Доказательство регуляризованного принципа максимума Понтрягина в итерационной форме опирается на методы двойственной регуляризации и итеративной двойственной регуляризации.

The stable sequential Pontryagin maximum principle or, in other words, the regularized Pontryagin maximum principle in iterative form is formulated for the optimal control problem of a system of ordinary differential equations with pointwise phase equality constraint and a finite number of functional equality and inequality constraints. The main difference between it and the classical Pontryagin maximum principle is that, firstly, it is formulated in terms of minimizing sequences, secondly, the iterative process occurs in dual space and, thirdly, it is resistant to errors of raw data and gives a minimizing approximate solution in the sense of J. Warga. So it is a regularizing algorithm. The proof of the regularized Pontryagin maximum principle in iterative form is based on the methods of dual regularization and iterative dual regularization.

Для задачи оптимального управления линейным параболическим уравнением с распределенным, начальным и граничным управлениями и с операторным полуфазовым ограничением типа равенства формулируется устойчивый секвенциальный, или, другими словами, регуляризованный, принцип максимума Понтрягина в итерационной форме. Его главное отличие от классического принципа максимума Понтрягина заключается в том, что он, во-первых, формулируется в терминах минимизирующих последовательностей, во-вторых, имеет форму итерационного процесса в пространстве двойственных переменных и, наконец, в-третьих, устойчиво к ошибкам исходных данных оптимизационной задачи порождает в ней минимизирующее приближенное решение в смысле Дж. Варги, т.е. представляет собой регуляризирующий алгоритм. Доказательство регуляризованного принципа максимума Понтрягина в итерационной форме опирается на методы двойственной регуляризации и итеративной двойственной регуляризации. Приводятся результаты модельных расчетов при решении конкретной задачи оптимального управления, иллюстрирующих работу алгоритма, основанного на регляризованном итерационном принципе максимума Понтрягина. В качестве конкретной оптимизационной задачи рассмотрена задача поиска минимальной по норме тройки управлений при операторном ограничении-равенстве в финальный момент времени, или, другими словами, обратная задача финального наблюдения по поиску ее нормального решения.

The stable sequential Pontryagin maximum principle or, in other words, the regularized Pontryagin maximum principle in iterative form is formulated for the optimal control problem of a linear parabolic equation with distributed, initial and boundary controls and operator semiphase equality constraint. The main difference between it and the classical Pontryagin maximum principle is that, firstly, it is formulated in terms of minimizing sequences, secondly, the iterative process occurs in dual space, and thirdly, it is resistant to error of raw data and gives a minimizing approximate solution in the sense of J. Warga. So it is a regularizing algorithm. The proof of the regularized Pontryagin maximum principle in iterative form is based on the dual regularization methods and iterative dual regularization. The results of model calculations of the concrete optimal control problem illustrating the work of the algorithm based on the regularized iterative Pontryagin maximum principle are presented. The problem of finding a control triple with minimal norm under a given equality constraint at the final instant of time or, in other words, the inverse final observation problem of finding a normal solution is used as a concrete model optimal control problem.

Рассматривается регуляризация классических условий оптимальности (КУО) — принципа Лагранжа и принципа максимума Понтрягина — в выпуклой задаче оптимального управлении с функциональными ограничениями типа равенства и неравенства. Управляемая система задается линейным функционально-операторным уравнением второго рода общего вида в пространстве $L^m_2$, основной оператор правой части уравнения предполагается квазинильпотентным. Целевой функционал задачи является сильно выпуклым. Получение регуляризованных КУО в итерационной форме основано на использовании метода итеративной двойственной регуляризации. Основное предназначение получаемых в работе регуляризованных принципа Лагранжа и принципа максимума Понтрягина в итерационной форме — устойчивое генерирование минимизирующих приближенных решений в смысле Дж. Варги. Регуляризованные КУО в итерационной форме формулируются как теоремы существования в исходной задаче минимизирующих приближенных решений. Они «преодолевают» свойства некорректности КУО и являются регуляризирующими алгоритмами для решения оптимизационных задач. В качестве иллюстративного примера рассматривается задача оптимального управления, связанная с гиперболической системой дифференциальных уравнений первого порядка.

We consider the regularization of the classical optimality conditions (COCs) — the Lagrange principle and the Pontryagin maximum principle — in a convex optimal control problem with functional constraints of equality and inequality type. The system to be controlled is given by a general linear functional-operator equation of the second kind in the space $L^m_2$, the main operator of the right-hand side of the equation is assumed to be quasinilpotent. The objective functional of the problem is strongly convex. Obtaining regularized COCs in iterative form is based on the use of the iterative dual regularization method. The main purpose of the regularized Lagrange principle and the Pontryagin maximum principle obtained in the work in iterative form is stable generation of minimizing approximate solutions in the sense of J. Warga. Regularized COCs in iterative form are formulated as existence theorems in the original problem of minimizing approximate solutions. They “overcome” the ill-posedness properties of the COCs and are regularizing algorithms for solving optimization problems. As an illustrative example, we consider an optimal control problem associated with a hyperbolic system of first-order differential equations.