Помощь в написании студенческих работ
Антистрессовый сервис

Нелокальные улучшения и методы возмущений в полиномиальных и других нелинейных задачах оптимального управления

Диссертация: Нелокальные улучшения и методы возмущений в полиномиальных и других нелинейных задачах оптимального управления
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Показана принципиальная возможность осуществления нелокального улучшения в нелинейном полиномиальном по состоянию классе задач оптимального управления с помощью решения краевой задачи для обыкновенных дифференциальных уравнений, которая значительно проще краевой задачи принципа максимума. Предложенные методы нелокального улучшения позволили обосновать новые необходимые условия оптимальности… Читать ещё >

Нелокальные улучшения и методы возмущений в полиномиальных и других нелинейных задачах оптимального управления (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Методы нелокального улучшения управлений в полиномиальных по состоянию системах
    • 1. 1. Полиномиальная по состоянию задача оптимального управления
    • 1. 2. Формулы приращения функционала
    • 1. 3. Методы нелокального улучшения управлений на основе векторных сопряженных переменных
    • 1. 4. Модифицированные методы нелокального улучшения управлений
    • 1. 5. Квадратичная по состоянию задача оптимального управления
    • 1. 6. Методы нелокального улучшения управлений на основе матричных сопряженных переменных
    • 1. 7. Проекционные методы нелокального улучшения управлений
    • 1. 8. Квадратичная по состоянию задача оптимального управления с запаздыванием
    • 1. 9. Примеры
  • Глава 2. Методы возмущений в полиномиальных по состоянию задачах оптимального управления
    • 2. 1. Метод возмущений для краевой задачи улучшения. ф
    • 2. 2. Метод преобразования возмущенных краевых задач улучшения
    • 2. 3. Полиномиальная по состоянию задача оптимального управления с запаздыванием
    • 2. 4. Метод возмущений для условия улучшения в пространстве управлений
    • 2. 5. Метод проекционных возмущений для условия улучшения
  • Глава 3. Методы возмущений в основной задаче оптимального управления. щ
    • 3. 1. Основная задача оптимального управления
    • 3. 2. Метод возмущений принципа максимума. ч
    • 3. 3. Метод проекционных возмущений для условия оптимальности
    • 3. 4. Численное решение тестового примера
  • Глава 4. Методы нелокального улучшения управляющих параметров полиномиальных по состоянию систем
    • 4. 1. Полиномиальная по состоянию задача оптимизации управляющих параметров
    • 4. 2. Методы нелокального улучшения управляющих параметров
    • 4. 3. Модифицированные методы нелокального улучшения
    • 4. 4. Схема поиска неподвижных точек в методах нелокального улучшения
    • 4. 5. Проекционные методы нелокального улучшения
    • 4. 6. Квадратичная по состоянию задача оптимального дискретного управления
    • 4. 7. Примеры
  • Глава 5. Методы возмущений в задачах оптимизации управляющих параметров
    • 5. 1. Метод возмущений для задачи о неподвижной точке
    • 5. 2. Метод проекционных возмущений для задачи
  • Ф о неподвижной точке
    • 5. 3. Метод нелокальных возмущений для оценивания коэффициентов квадратичных по состоянию систем
    • 5. 4. Основная задача оптимизации управляющих параметров. 172 Щ
    • 5. 5. Метод возмущений дифференциального принципа максимума
    • 5. 6. Метод проекционных возмущений для условия оптимальности. Ill
  • Глава 6. Математические модели и задачи оптимального управления иммунным процессом
    • 6. 1. Базовые модели иммунного процесса
    • 6. 2. Постановка класса задач управления иммунным процессом
    • 6. 3. Нестандартные задачи управления иммунным процессом
    • 6. 4. Примеры
  • Глава 7. Методы возмущений в задачах оптимального управления иммунным процессом
    • 7. 1. Задача управления с терминальными ограничениями
    • 7. 2. Задача достижения заданного множества состояний системы
    • 7. 3. Задача достижения и удержания системы в заданном множестве состояний
    • 7. 4. Задача управления колебаниями системы
    • 7. 5. Численное решение задачи введения иммуноглобулинов при заболевании
    • 7. 6. Численное решение задачи стимулирования отека при вирусном гепатите

Актуальность разработки новых методов оптимального управления обуславливается непрерывно возникающими прикладными задачами в различных областях науки, техники и экономики, для эффективного решения которых существующих методов оказывалось недостаточно. Исторически развитие методов связано с теорией необходимых и достаточных условий оптимальности в задачах управления, а также с получением различных конструкций и аппроксимаций целевых функционалов.

К настоящему времени определились разнообразные подходы к численному решению задач оптимального управления в системах обыкновенных дифференциальных уравнений. По структуре соответствующие методы являются итерационными, причем на каждой итерации рассматривается вспомогательная задача, решение которой в определенном смысле лучше, чем на предыдущей итерации. Объектом для разработки численных методов традиционно выбирается задача оптимального управления со свободным правым концом, которая по ряду причин называется основной [80,81,225].

В первую очередь можно выделить методы улучшения в пространстве управлений, характеризующиеся операцией слабого или игольчатого варьирования управления.

Представителями соответствующего класса методов являются градиентные процедуры [39, 80, 90, 120, 131, 145, 181, 190, 192, 201, 202, 209, 251, 265, 268, 272, 274, 282 — 284, 286, 290, 295, 297, 300]. Обстоятельный численный анализ методов градиентного типа в процессе решения прикладных задач проведен Федоренко Р. П. [251]. Вопросы обоснования градиентных методов в задачах оптимального управления (сходимость, регуляризация) рассмотрены в монографии Васильева Ф. П. [90].

К этому же классу относятся методы принципа максимума, начало развития которых заложил метод последовательных приближений Крылова И. А., Черноусько Ф. Л. [152, 153]. Дальнейшие исследования в этом направлении позволили обеспечить свойство релаксации по функционалу и сходимость по невязке принципа максимума (Милютин А.А., Илютович А. Е., Дикусар В. В. [122, 184], Любушин А. А., Черноусько Ф. Л. [163−165, 264], Кирин Н. Е. [146, 147],.

Васильев О.В., Аргучинцев А. В., Тятюшкин А. И., Терлецкий В. А., Бельтюков Н. Б. [6 — 8, 28, 80 — 87, 124, 181, 308], Mayne D.Q., Polak Е. [294], Тео K.L., Yeo L.T. [305] и др.). Определенный итог этому направлению исследований подведен в работах Срочко В. А. [224, 225], в которых обоснован оптимальный способ игольчатого варьирования управлений в методах, основанных на принципе максимума.

Градиентные процедуры и методы принципа максимума связаны с необходимыми условиями оптимальности. Достаточные условия оптимальности в форме Кротова В. Ф. [149, 150] послужили источником для построения группы методов принципа расширения (Гурман В.И., Москаленко А. И., Батурин В. А., Урбанович Д. Е., Фельдман И. Н. [21, 117, 118, 150, 151, 194, 200] и др.).

Нестандартные необходимые и достаточные условия в невыпуклых задачах специальной структуры являются конструктивной основой для построения методов глобальной оптимизации в работах Стрекаловского А. С. 237 — 239, 301−303].

Следующее направление основано на применении методов нелинейного программирования к конечномерным аналогам задач оптимального управления, полученным с помощью частичной или полной дискретизации задачи по управлению и состоянию. Подход на основе полной дискретизации [127, 129, 209, 213] обстоятельно реализован в монографии Евтушенко Ю. Г. [127].

Предлагаемый в [250, 251] метод линеаризации также использует процедуру дискретизации на уровне линейной модели, что приводит к задаче линейного программирования на каждом шаге итерационного процесса.

Методы, построенные в [110−112], используют частичную дискретизацию задачи по управлению с подсчетом производных функционала по точкам дискретизации.

Методы вариации в фазовом пространстве [154, 189, 191, 192, 264] основаны на сочетании операции дискретизации фазового пространства и методов улучшения в пространстве управлений.

Среди отдельных направлений следует выделить группу неклассических методов поиска программных и позиционных оптимальных управлений для линейных и других классов систем, развиваемых в работах Габасова Р., Кирилловой Ф. М. 99 -105].

Направление, связанное с построением методов для решения задач с импульсными управлениями и разрывными траекториями инициируется задачами моделирования процессов, состояние которых может меняться скачкообразно (Гурман В. Щ117, 118], Дыхта В. А., Самсонюк О. Н. 4, 125, 126], Завалищин С. Т., Сесекин А. Щ130], Миллер Б. М[183] и др.).

Научная школа Зубова В. И. [132, 133] известна фундаментальными и прикладными исследованиями в области теории дифференциальных уравнений, теории устойчивости, теории управления, теории колебаний, моделирования и оптимизации динамики пучков заряженных частиц (Демьянов В.Ф., Рубинов A.M. [120], Кирин Н. Е [146,147], Овсянников Д. А. [201, 202], Петров Ю. П. [204] и др.).

Алгоритмическое и программное обеспечение методов оптимального управления вместе с численным решением тестовых и модельных задач рассмотрены в работах Федоренко Р. П. [251], Евтушенко Ю. Г. [127], Грачева Н. И. [115], Тяттошкина А. И. [246 — 248], Горнова А. Ю. [113] и др. 26, 27, 182].

Другое направление развития методов оптимального управления связано с варьированием управляемого процесса в пространстве переменных состояния и управления.

К данному классу молено отнести методы решения краевой задачи принципа максимума, которая трактуется как задача решения нелинейных уравнений относительно краевых условий [32, 90, 91, 192, 251]. Альтернативный подход к решению краевой задачи принципа максимума основывается на переносе граничных условий [1, 192, 251].

Последние годы в работах Срочко В. А. и его учеников [5, 225 — 236] активно развиваются методы, использующие нестандартные фазовые аппроксимации функционала управления вместе с техникой одновременного варьирования переменных состояния и управления в пространстве управляемых процессов. Более высокое качество аппроксимаций функционала по сравнению со стандартными обуславливает повышенную эффективность разрабатываемых методов. В частности в линейных по состоянию, билинейных и квадратичных задачах оптимального управления эти методы обладают свойством нелокальности улучшения, что является существенным фактором в плане снижения вычислительных затрат на каждое улучшение.

В данной диссертационной работе проводится дальнейшее развитие указанного направления по пути построения методов нелокального улучшения в полиномиальном по состоянию классе задач оптимального управления. Предпринимавшиеся ранее попытки построения методов нелокального улучшения в квадратичных по состоянию задачах на основе решения задач Коши аналогично линейному случаю в общем случае не увенчались успехом. В диссертации впервые разработаны методы, в которых нелокальность улучшения обеспечивается в квадратичной задаче и достигается ценой решения специальной краевой задачи для системы обыкновенных дифференциальных уравнений. Полученная краевая задача улучшения значительно проще классической краевой задачи принципа максимума и сводится к двум задачам Коши в линейном случае. Предложенный подход к нелокальному улучшению на основе решения краевой задачи был обобщен на полиномиальный по состоянию класс задач оптимального управления, в том числе с запаздыванием.

Структура предложенной краевой задачи нелокального улучшения допускает очевидное выделение линейной по состоянию части, которая решается с помощью двух задач Коши и совпадает с краевой задачей в линейном случае. Это свойство позволило применить и обосновать в диссертационной работе известный метод возмущений для ее эффективного решения. Предлагаемый подход обеспечивает свойство нелокальности улучшения, не содержит операцию параметрического поиска последовательных приближений на каждой итерации и в целом формирует новые методы возмущений для нелокального улучшения в задачах оптимального управления.

Основы теории возмущений для решения задач математической физики были сформулированы в трудах Пуанкаре А. и Ляпунова A.M. Дальнейшее развитие математическая теория возмущений получила в работах Фридрихса К. [257], Като Т. [143], Боголюбова Н. Н. и Митропольского Ю. А. [31], Васильевой А. Б. и БутузоваВ.Ф. [92], Вишика М. И. и Люстерника Л. А. [96], ЛионсаЖ.-Л. [158, 159], Ломова С. А. [160], Моисеева Н. Н. [187, 188], Маслова В. П. [179], Треногина В. А. [243 — 245], Беллмана Р. [22], Найфе А. [195], Van Dyke M.D. [307], Murdock J.A. [296] и многих других. Целью исследования в этих работах, как правило, являлась возможность разложения решения по малому параметру и обоснование сходимости полученного ряда к точному решению задачи.

Новые подходы в теории возмущений связаны с построением сопряженных операторов в нелинейных задачах, где требуется найти не само решение, а некоторый функционал от него, оценить вариации функционала в зависимости от вариаций входных параметров. Эти методы плодотворно развиваются Марчуком Г. И. и его научной школой в различных областях математики и ее приложениях к проблемам диффузии, моделям охраны окружающей среды, теории климата и его изменений и др. [2, 12, 33, 34, 135, 169 — 171, 173 — 175]. В работах Марчука Г. И, Агошкова В. И., Шутяева В. П. [174, 175, 269] соответствующие методы возмущений разработаны в нелинейных задачах усвоения данных, представляемых как задачи оптимального управления начально-краевыми условиями в системах дифференциальных операторных уравнений.

Применительно к задачам оптимального управления в системах обыкновенных дифференциальных уравнений методы возмущений рассматривались для анализа асимптотики решений задач в работах Васильевой А. Б. и Дмитриева М. Г. [93, 123], Ильина А. М. и Данилина А. Р. [119, 137, 138] и других исследователей [9, 10, 23, 139, 148, 155, 223, 253, 291, 296]. Для численного решения задач оптимального управления разрабатывались модификации метода последовательных приближений Черноусько Ф. Л. с помощью малого параметра [263].

В задачах математического программирования методы возмущений с целью анализа свойств решений при малых возмущениях систематически изложены в монографии Левитина Е. С. [157]. Вопросы зависимости оптимального решения от малого возмущения задачи исследовались в разных направлениях: теория устойчивости [18, 91, 141, 241, 242,], асимптотические методы в оптимизации [156, 187, 188], параметрическое программирование [18, 109, 203, 212, 252, 285, 287] и ДР.

В теории и практике оптимизации можно выделить различные методы продолжения по параметру [14, 15, 136, 266], которые применяются на этапе перехода от решения возмущенной по параметру задачи к решению исходной задачи. Возмущению (параметризации) подвергают либо исходную оптимизационную задачу, либо условия оптимальности. В частности, для решения краевых задач принципа максимума в качестве параметров продолжения могут использоваться время и граничные условия [121, 193, 298, 299].

В диссертации впервые построены методы возмущений для нелокального улучшения управления в классе полиномиальных задач оптимального управления. Предложенный принцип возмущений краевых задач улучшения и эквивалентных условий улучшения в пространстве управлений далее распространяется на краевую задачу принципа максимума и необходимые условия оптимальности в общей нелинейной задаче оптимального управления. На этой основе в диссертационной работе впервые разработаны методы возмущений для поиска экстремальных управлений (удовлетворяющих необходимым условиям оптимальности).

Суть предлагаемых методов возмущений состоит во введении параметра возмущения в исследуемую задачу так, чтобы при некотором значении параметра задача, называемая невозмущенной, имела простое или очевидное решение. Как правило, невозмущенная задача соответствует нулевому значению параметра возмущения. Для решения возмущенных задач при фиксированном ненулевом значении параметра возмущения строятся итерационные алгоритмы их решения, где на каждой итерации решается задача, аналогичная по сложности невозмущенной задаче. При этом в качестве начального приближения итерационного процесса используется решение возмущенной задачи, полученное при меньшем значении параметра возмущения.

Построенные методы возмущений не гарантируют релаксацию по целевому функционалу на каждой итерации, но компенсируют это свойство отсутствием операции параметрического поиска улучшающего управления, получением реализуемых на практике решений, простотой реализации и настройки метода на конкретную задачу. Эти свойства являются существенными факторами повышения эффективности решения нелинейных задач оптимального управления.

Методы теории управления находят широкое применение при анализе технических, биологических, медицинских, экономических и других систем. Каждая из этих областей применения имеет свои специфические особенности. Например, многие технические системы имеют относительно небольшое число переменных и параметров, а связи между ними почти всегда можно определить в ходе экспериментального исследования системы, или в ходе ее конструирования и разработки. В биологических и медицинских задачах число существенных переменных, как правило, очень велико, а связи между ними, характер влияния одной переменной на другую часто неясны. Аппарат теории управления возник, развивался и непрерывно совершенствовался параллельно с развитием технических систем. Вместе с тем новые области применения задач управления постоянно стимулировали интенсивное развитие идей и методов этой теории, разработку специфических приемов анализа новых систем.

Полиномиальными по состоянию системами обыкновенных дифференциальных уравнений традиционно описывают модели эколого-экономических [185, 186, 196], биологических [166, 199, 205 — 208, 219, 221], химических [271] процессов, в том числе с запаздываниями — модели иммунологических процессов [167, 168, 293], модели динамики ядерных реакторов [114]. Следует отметить, что в целом вопросы об адекватности введения управлений и выборе критериев оптимизации при постановке задач оптимального управления медико-биологическими и экологическими процессами еще нуждаются в дальнейших исследованиях. Состояние дел здесь таково, что аппарат методов оптимального управления на настоящем этапе выступает как средство исследования моделей, показа их непротиворечивости и адекватности реальным процессам, проверки гипотез, решения проблем управляемости, т. е. перевода процесса из одного состояния в другое. В связи с этим представляется актуальным разработка специализированного алгоритмического и программного обеспечения для эффективного решения класса задач оптимального управления, обладающего характерными особенностями. Данное обеспечение может являться инструментом автоматизации исследований и основой мобильных экспертных автоматизированных систем принятия решений с интеллектуальной поддержкой, не требующих трудоемкой экспериментальной настройки оптимизационных методов на конкретную задачу. В настоящее время автоматизация интеллектуального обеспечения методов решения задач оптимального управления является новым научным направлением развития теории управления [26, 27, 88, 89, 248]. и.

С 1975 года и по настоящее время под руководством Г. И. Марчука активно развиваются работы по анализу и применению математических моделей инфекционных заболеваний в иммунологии и медицине [13, 24, 25, 35, 140, 167, 168, 176 — 178, 180, 197, 205 — 208, 214 — 218, 275, 276, 293]. Построение моделей стимулировало развитие эффективных методов численного анализа жестких систем дифференциальных уравнений с запаздываниями [24, 36 — 38, 168, 275], методов согласования моделей и реальных данных [97, 134, 135, 168, 214 — 216, 306], анализа чувствительности решений и функционалов от решений к вариациям параметров [12, 33, 34, 97, 168]. В рамках моделей было смоделировано и проанализировано влияние температуры [13], биостимуляции [25], отека [176] и других воздействий на иммунный процесс. Математический анализ хронических бессимптомных форм инфекционных заболеваний позволил обосновать адекватные критерии оптимальности противоинфекционной защиты организма в норме [207,217−218].

Результаты выполненных исследований показали пригодность используемых модельных принципов для адекватного описания динамики иммунного ответа при инфекционных заболеваниях. Эти результаты являются основой для перехода к следующему этапу моделирования — построению моделей конкретных заболеваний с целью их практического применения для решения задач прогноза и оптимального управления иммунным процессом в ходе заболевания. Накопленный опыт построения количественных моделей позволил обоснованно подойти к исследованию модельных задач оптимального лечения неблагоприятных форм заболеваний на основе модуляции иммунной реакции с помощью физиологических и лекарственных препаратов [40 — 45, 49, 50, 54, 56].

Характерными особенностями рассматриваемого класса задач управления иммунным процессом являются:

— полиномиальность (2−5 порядка) управляемой системы и функционалов по вектору состояния;

— простая структура функциональной зависимости управляемой системы и функционалов по вектору управления и управляющим параметрам (как правило, линейность по управлению);

— относительно большая размерность управляемой системы по вектору состояния (4−15 переменных) и малая размерность по вектору управления (как правило, скалярные функции времени);

— простая структура множества значений управления и управляющих параметров системы (как правило, параллелепипедные ограничения);

— жесткость управляемой системы, обусловленная различием на несколько (2 — 3) порядков характерных времен изменения переменных состояния;

— наличие постоянных запаздываний (от 1 до 5) в управляемой системе по вектору состояния;

— нефиксированный момент окончания процесса управления, наличие функциональных ограничений (как правило, от 1 до 2).

Для задач оптимального управления иммунным процессом характерна значительная количественная трудоемкость численного решения итерационными методами локального улучшения, где на каждой итерации производится параметрический поиск улучшающего управления и возможная настройка вычислительных параметров метода для учета функциональных ограничений задачи. При этом операция параметрического варьирования управления может приводить к труднореализуемым на практике расчетным управлениям, а локальность улучшения — к неудовлетворительным результатам по критерию качества и ограничениям. Специфика рассматриваемых задач управления иммунным процессом обуславливает возможные подходы к их решению.

Методы конечно-разностной аппроксимации с редукцией к специальной задаче математического программирования ввиду большой размерности вектора состояния требуют значительных вычислительных ресурсов и затрат. Методы стрельбы и методы линеаризации для решения краевой задачи принципа максимума в пространстве состояний приводят к вычислительной неустойчивости расчета, обусловленной жесткостью системы, наличием положительных вещественных частей собственных чисел матрицы Якоби системы, возможной разрывностью правых частей системы по вектору состояния.

В работах [40 — 53, 55, 57] для решения поставленных задач оптимального управления иммунным процессом применялся и модифицировался известный аппарат численных методов и теории оптимального управления [3, 11, 16, 17, 29,.

30, 91, 94, 95, 106 — 108, 116, 128, 131, 141, 142, 144, 162, 181, 198, 210, 220, 222, 226, 236, 240, 255, 256, 258 — 262, 267, 270, 273, 289].

В задачах рассматриваемого класса, где правые части системы линейны по управлению, оптимальное неособое управление будет принимать граничные значения из множества допустимых. В этом случае методы принципа максимума, основанные на игольчатых вариациях управления [181, 226, 236], дают возможность приближения к оптимальному управлению в классе граничных управлений, что представляется удобным. При этом простая структура множества значений управления U и малая размерность вектора управления позволяют эффективно организовать решение вспомогательных задач оптимизации на каждой итерации методов, учитывающих прямые и терминальные ограничения на управление. Именно такой подход был выбран за основу в работах [40 — 53, 55, 57] при решении задач оптимального управления. Рассматривались различные модификации методов принципа максимума, разработанные и адаптированные для систем с запаздыванием.

Достоинством предлагаемых в указанных работах методов являлась вычислительная устойчивость расчета, обусловленная поочередным численным интегрированием фазовой («слева — направо») и сопряженной («справа — налево») жестких задач Коши на каждой итерации методов. Наиболее трудоемкой частью указанных методов являлся параметрический поиск улучшающей вариации управления в локальной окрестности улучшаемого управления. Трудоемкость численного интегрирования задач Коши, связанная со специфическими особенностями рассматриваемых задач (большая размерность по вектору состояния, жесткость системы, наличие запаздываний), приводила к тому, что процедура параметрического поиска улучшающего управления фактически определяла трудоемкость всего итерационного процесса. При этом локальность улучшения обуславливала быструю потерю практической сходимости к оптимальному управлению при неудачном выборе начального приближения, а процедура слабого или игольчатого варьирования управления приводила к получению труднореализуемых на практике расчетных управлений. Отметим также, что сходимость указанных методов по невязке принципа максимума делала невозможным улучшение экстремальных управлений.

В диссертации впервые разработаны методы нелокального улучшения и методы возмущений, учитывающие прикладную специфику задач оптимального управления иммунным процессом, в том числе запаздывание, нефиксированное условие окончания процесса управления, функциональные ограничения. Проведены апробация и сравнительный анализ эффективности предложенных методов на модельных задачах управления иммунным процессом при заболеваниях.

Основными целями диссертационной работы являются:

— конструирование специализированных методов для численного решения полиномиальных по состоянию задач оптимального управления;

— модификация и применение разработанных методов в модельных задачах управления иммунным процессом с учетом их специфических особенностей;

— создание алгоритмического и программного обеспечения для решения рассматриваемого класса задач оптимального управления.

Диссертационная работа состоит из двух частей. В первой части (главы 1−5) специальные методы разрабатываются и обосновываются в классе полиномиальных по состоянию задач оптимального управления без функциональных ограничений на фиксированном интервале времени. Эти задачи являются определяющими для проблем управления экологическими, медико-биологическими процессами, химическими и ядерными реакциями и обычно рассматриваются в качестве типовых вспомогательных задач. Разработанный подход распространяется на общий класс нелинейных задач оптимального управления без функциональных ограничений с фиксированным временем (основные задачи).

Во второй части (главы 6, 7) проводится адаптация разработанных методов к специфике задач оптимального управления иммунным процессом, включающих задачи с запаздыванием, с нефиксированным моментом окончания процесса управления и с функциональными ограничениями.

Численные эксперименты, проведенные в работе, в целом продемонстрировали лучшие количественные (число решенных задач Коши, значение целевого функционала) и качественные (реализуемость управления, аппроксимация оптимального управления) показатели расчетов тестовых и модельных задач построенными методами возмущений по сравнению со стандартными методами локального улучшения.

Выделим основные задачи диссертационного исследования.

1. Разработка и обоснование:

— методов нелокального улучшения и методов возмущений без параметрического варьирования последовательных приближений в полиномиальных по состоянию задачах оптимального управления и оптимизации управляющих параметров;

— методов возмущений для решения основных задач оптимального управления и оптимизации управляющих параметров.

2. Постановка и классификация задач оптимального управления иммунным процессом при инфекционных заболеваниях на основе математических моделей.

3. Адаптация и применение методов нелокального улучшения и методов возмущений в задачах оптимального управления иммунным процессом, включающих задачи с запаздыванием, с нефиксированным моментом окончания процесса управления и с функциональными ограниченияминеравенствами.

4. Создание алгоритмического и программного обеспечения разработанных методов.

Структура работы соответствует поставленным целям. Диссертация состоит из введения, семи глав, заключения и списка литературы. Каждая глава разбита на разделы, нумерация разделов двойная и производится по главам. В номере формулы первая цифра указывает на главу, вторая — на раздел.

Выводы. Пример демонстрирует возможность применения прямого метода возмущений принципа максимума (МВПМ) для расчета модельных задач с ограничениями-неравенствами на фиксированном интервале времени.

Слабым местом метода МВПМ является точность выполнения функциональных ограничений задачи. Например, применение метода МВПМ к решению задачи (6.1.2), (7.6.1) — (7.6.4) с нефиксированным временем окончания управления дает сходимость метода к решению задачи без ограничения (6.1.2), (7.6.1) — (7.6.3).

По результатам численных экспериментов решения методами возмущений модельных задач с функциональными ограничениями и нефиксированным временем можно сделать следующие общие выводы.

1. Для применения методов возмущений в задачах с нефиксированным временем необходимо выполнение условия окончания процесса управления в окрестности значений параметра возмущения. Например, в возмущенной по параметру s е[0,1] задаче (6.1.2), (7.6.1) — (7.6.4) при 0.

Условие окончания процесса управления заведомо выполняется в задачах с фиксированным временем, что обеспечивает сходимость методов возмущений при достаточно малых параметрах возмущения в задачах с фиксированным временем.

Указанное необходимое условие обеспечивается свойствами операции проектирования в методе проекционных возмущений для системы условий оптимальности (МПВУО) при малых параметрах возмущения, а > 0. Это приводит к устойчивой работе метода МПВУО в задачах с ограничениями и нефиксированным временем окончания процесса управления. При этом метод МПВУО позволяет получать экстремальные управления при любых параметрах возмущения.

2. Метод возмущений принципа максимума (МВПМ) в случае сходимости дает хорошие приближения управления как по значению целевого функционала, так и по качеству реализуемости и близости к оптимальному управлению, но проигрывает по точности выполнения функционала ограничения. Последнее свойство обуславливается отсутствием операции контроля за нарушение функционального ограничения на итерациях метода МВПМ.

В целом метод МВПМ недостаточно точно учитывает функциональные ограничения и на практике может использоваться в качестве метода получения допустимого начального приближения управления в задачах с функциональными ограничениями.

Метод возможных направлений (МВН) по сравнению с методами возмущений при прочих равных параметрах настройки расчета имеет дополнительный важный настроечный параметр точности выполнения терминального ограничениянеравенства, определяющего активность ограничения, а также параметр допуска нарушения ограничения, влияющего на качество сходимости метода. Оценка эффективности сравниваемых методов в целом, включая затраты пробных расчетов по подбору параметра «активности ограничения» и параметра допуска ограничения, на практике вычислений дает преимущество методам возмущений, свободным от такой операции контроля ограничения. При этом отметим, что количество указанных дополнительных настраиваемых параметров метода МВН увеличивается пропорционально количеству ограничений-неравенств.

Заключение

.

В работе получены следующие основные результаты:

1. В нелинейном полиномиальном по состоянию классе задач оптимального управления, включающих системы с запаздыванием, построены конструктивные формулы приращения функционала, не содержащие остаточных членов разложений. На основе этих формул разработаны методы нелокального улучшения. Получены новые необходимые условия оптимальности управления, усиливающие принцип максимума в рассматриваемом классе задач.

2. Для решения вспомогательной краевой задачи нелокального улучшения в пространстве состояний и эквивалентного условия улучшения в пространстве управлений сконструированы методы возмущений, которые не содержат операцию параметрического варьирования последовательных приближений. Получены и обоснованы условия сходимости итерационных процессов методов возмущений.

3. В классе основных задач оптимального управления, включающих системы с запаздыванием, построены методы возмущений для решения краевой задачи принципа максимума и проекционного необходимого условия оптимальности. Проанализирована сходимость методов и проведены сравнительные расчеты тестовых задач.

4. В задачах оптимизации управляющих параметров (управлений) полиномиальных по состоянию систем, включающих системы с запаздыванием и с кусочно-постоянными управляющими функциями (дискретными управлениями), построены конструктивные формулы приращения целевой функции, не содержащие остаточных членов разложений. На основе полученных формул разработаны методы нелокального улучшения управляющих параметров и дискретных управлений. Получены новые необходимые условия оптимальности управляющих параметров и дискретного управления, усиливающие дифференциальный принцип максимума в рассматриваемом классе задач.

5. Для решения вспомогательной задачи о неподвижной точке в процедурах нелокального улучшения управляющих параметров разработаны методы возмущений без операции варьирования последовательных приближений. Сконструированы методы возмущений для поиска управлений, удовлетворяющих дифференциальному принципу максимума и эквивалентному проекционному условию оптимальности в классе основных задач оптимизации управляющих параметров. Даны условия сходимости итерационных процессов методов возмущений.

6. Поставлены и классифицированы задачи оптимального управления иммунным процессом при инфекционных заболеваниях организма на основе математических моделей, разработанных под руководством Г. И. Марчука. По ограничениям на управление задачи интерпретируются как задачи лечения заболевания.

7. Методы нелокального улучшения и методы возмущений адаптированы для решения полиномиальных по состоянию задач оптимального управления иммунным процессом, включающих задачи с запаздыванием, с нефиксированным моментом окончания процесса управления и с функциональными ограничениями — неравенствами. Создано алгоритмическое и программное обеспечение предложенных методов для численного решения рассматриваемого класса задач. Проведен сравнительный анализ разработанных и стандартных методов численного решения модельных задач управления иммунным процессом.

Научная новизна.

Все полученные теоретические результаты являются новыми, вносят существенный вклад в конструктивную теорию оптимального управления и определяют перспективное направление исследований в плане разработки нелокальных методов для численного решения нелинейных задач. Проведенный анализ открывает новые возможности для эффективного применения метода возмущений в рамках задач оптимального управления, когда в качестве объектов параметризации предлагается использовать краевую задачу улучшения и необходимые условия оптимальности.

Рассмотрены новые нестандартные постановки задач оптимального управления на основе математических моделей иммунного процесса, которые интерпретируются как задачи оптимального лечения при заболеваниях.

Разработано математическое и программное обеспечение для численного решения этих задач.

Теоретическая и практическая ценность.

Показана принципиальная возможность осуществления нелокального улучшения в нелинейном полиномиальном по состоянию классе задач оптимального управления с помощью решения краевой задачи для обыкновенных дифференциальных уравнений, которая значительно проще краевой задачи принципа максимума. Предложенные методы нелокального улучшения позволили обосновать новые необходимые условия оптимальности, усиливающие принцип максимума в рассматриваемом классе задач. Разработан новый подход к численному решению нелинейных полиномиальных по состоянию и основных задач оптимального управления, включающих задачи с запаздыванием, с функциональными ограничениями — неравенствами, на основе процедуры возмущений условий нелокального улучшения и условий оптимальности управления. Предлагаемые методы возмущений не требуют параметрического поиска улучшающего приближения на каждой итерации, имеют возможность строго улучшать неоптимальные управления, удовлетворяющие принципу максимума и получать реализуемые на практике управления. Указанные особенности методов позволяют существенно повысить эффективность решения нелинейных задач.

Разработаны постановки задач управления иммунным процессом на основе математических моделей, интерпретируемых как задачи лечения инфекционных заболеваний. Создано алгоритмическое и программное обеспечение решения задач построенными методами нелокального улучшения и методами возмущений, которое позволяет практически находить экстремальные управления в рассматриваемых моделях и давать им содержательную интерпретацию. Данное обеспечение является инструментом автоматизации исследований и может использоваться в экспертных автоматизированных системах принятия решений. Результаты численных экспериментов показывают принципиальную возможность использования методов оптимального управления для исследования процессов иммунного ответа при инфекционных заболеваниях. Содержательные результаты исследования моделей иммунных процессов с помощью методов оптимального управления могут быть рекомендованы для анализа, имитации и интерпретации реальных данных, проверки гипотез и планирования экспериментов.

Полученные результаты используются в учебных спецкурсах «Численные методы оптимального управления», «Дополнительные главы оптимального управления», для разработки курсовых и дипломных работ студентов специальности «Прикладная математика и информатика» Бурятского государственного университета и Восточно-Сибирского государственного технологического университета.

Результаты диссертации являются частью исследований в рамках грантов Российского фонда фундаментальных исследований (проекты 05−01−477, 05−100 659).

Показать весь текст

Список литературы

  1. А.А. О переносе граничных условий для систем линейных обыкновенных дифференциальных уравнений // Журн. вычислит, математики и мат. физики. 1961. — Т. 1, № 3. — С. 542−545.
  2. В.И., Дубовский П. Б., Шутяев В. П. Методы решения задач математической физики. М.: Физматлит, 2002. — 320 с.
  3. В.М., Тихомиров В. М., Фомин С. В. Оптимальное управление. М.: Наука, 1979. — 432 с.
  4. Н.В., Дыхта В. А. Линейные функции Ляпунова-Кротова и достаточные условия оптимальности в форме принципа максимума // Изв. вузов. Математика. 2002. — № 12. — С. 11−22.
  5. В.Г., Срочко В. А. Вопросы сравнительной эффективности методов градиентного типа в задачах оптимального управления. Иркутский университет. Серия: Оптимизация и управление. Вып. 9. — Иркутск: 2003. — 40 с.
  6. А.В. Оптимальное управление начально-краевыми условиями гиперболических систем. Иркутск: Изд-во Иркут. гос. ун-та, 2003. — 156 с.
  7. А.В., Васильев О. В. Итерационные процессы принципа максимума и их модификации в системах с распределенными параметрами // Дифференц. уравнения. 1996. — Т.32, № 6. — С. 797 — 803.
  8. А.В., Крутикова О. А. Оптимизация полулинейных гиперболических систем с гладкими граничными управлениями // Изв. вузов. Математика. 2001. — № 2. — С. З -10.
  9. А.В. Расширения и возмущения задач оптимального управления // Тр. МИРАН. 1998. — Т.220. — С.27−34.
  10. А.В. Условия экстремума. Нормальные и вырожденные задачи. -М.: Изд-во «Факториал», 1997. 256 с.
  11. О.Б., Залеткин С. В. Численное решение обыкновенных дифференциальных уравнений на Фортране. М.: Изд-во МГУ, 1990. — 336 с.
  12. A.JI. Об одном алгоритме решения обратных задач на основе теории сопряженных уравнений. Препринт ОВМ АН СССР № 119. — М.: 1986.-24 с.
  13. А.Л. Простейшая модель влияния температурной реакции на динамику иммунного ответа // Математическое моделирование в иммунологии и медицине. Новосибирск: Наука, 1982. — С. 40−44.
  14. А.П. Линейные по управляющим воздействиям задачи оптимального управления. Препринт ВНИИСИ. — М., 1980.
  15. А.П. Продолжение решений в вариационных задачах с неравенствами // Динамика неоднородных систем. М.: ВНИИСИ, 1982. — С. 96- 109.
  16. А.П., Дикусар В. В., Милютин А. А., Чуканов С. А. Необходимое условие в оптимальном управлении. М.: Наука, 1990. — 319 с.
  17. В.Н., Колмановский В. Б., Носов В. Р. Математическая теорияконструирования систем управления. М.: Высшая школа, 1988. — 574 с.
  18. С.А. Линейное программирование. М.:Наука, 1981.
  19. Л.Т. Оптимальное управление разрывными системами.
  20. Новосибирск: Наука, 1987. 225 с.
  21. О.В. Фортран для профессионалов. Математическая библиотека IMSL. Ч.З. М.: Диалог-МИФИ, 2001. — 368 с.
  22. В.А., Урбанович Д. Е. Приближенные методы оптимального управления, основанные на принципе расширения. Новосибирск: Наука, 1997.-172 с.
  23. Р., Калаба Р. Квазилинеаризация и нелинейные краевые задачи. М.: Мир, 1968.
  24. JT.H. Математическая модель бииифекции и лечения хронических форм обострением // Математическое моделирование в иммунологии и медицине. -Новосибирск: Наука, 1982. С. 33−40.
  25. Д.В., Гурман В. И. Интеллектуальные процедуры оптимального управления // Автоматика и телемеханика. 2002. — № 5. — С. 147−155.
  26. Д.В., Гурман В. И. Программный комплекс многометодных интеллектуальных процедур оптимального управления // Автоматика и телемеханика. 2003. — № 6. — С. 60−67.
  27. Н.Б. Одна модификация метода второго порядка решения задач оптимального управления // Вопросы устойчивости и оптимизации динамических систем. Иркутск: Изд-во Иркут. гос. ун-та, 1983. — С. 35−42.
  28. Д. Условная оптимизация и методы множителей Лагранжа. М.: Радио и связь, 1987. — 399 с.
  29. В.И. Введение в оптимальное управление. М.: Высшая школа, 2001.-239 с.
  30. Н.Н., Митропольский Ю. А. Асимптотические методы в теории нелинейных колебаний. М.: Наука, 1974.
  31. В.И. Численное решение задачи оптимального управления // Изв. РАН. Теория и системы управления. 2000. — № 3. — С.85−92.
  32. Г. А. Сопряженные уравнения и анализ чувствительности математических моделей. Деп. в ВИНИТИ № 2858-В94. — М., 1994.
  33. Г. А., Гольдман Н. Б. Математическое исследование асимптотической динамики экспериментальных вирусных инфекций // Вычислительная математика и математическое моделирование. Труды международной конференции. М.: ИВМ РАН, 2000.
  34. Г. А., Марчук Г. И. Прикладные проблемы математического моделирования в иммунологии // Журн. вычислит, математики и мат. физики. Т.40, № 12. — 2000. — С. 1905−1920.
  35. Г. А., Романюха А. А. Численное решение дифференциальных уравнений с запаздывающим аргументом на основе методов Рунге-Кутта-Фельберга. Препринт ОВМ АН СССР № 99. — М., 1985.
  36. Г. А., Романюха А. А. Численное решение дифференциальных уравнений с запаздывающим аргументом на основе линейных многошаговых методов. Аппроксимация, устойчивость и сходимость. Препринт ОВМ АН СССР № 116.-М., 1986.
  37. Г. А., Романюха А. А. Численное решение дифференциальных уравнений с запаздывающим аргументом на основе линейных многошаговых методов. Алгоритм и программа. Препринт ОВМ АН СССР № 117. — М., 1986.
  38. А., Хо Ю-Ши. Прикладная теория оптимального управления. М.: Мир, 1972.-544 с.
  39. А.С., Кузин В. А. Теоретическая оптимизация противовирусного иммунного ответа. Препринт ВЦ СО АН СССР № 496.- Новосибирск, 1984. -18 с.
  40. А.С. Теоретическая оптимизация иммунного процесса с помощьютемпературы и биостимуляции. Препринт ВЦ СО АН СССР № 603. -Новосибирск, 1985.-33 с.
  41. А.С. Оптимизация управления иммунным процессом с помощью температуры и биостимуляции // Математические модели в эндокринологии. -Каунас, 1985.-С.137−138.
  42. А.С., Погожев И. Б. Оптимизация иммунного процесса по критерию минимума индекса тяжести заболевания. Препринт ВЦ СО АН СССР № 604. — Новосибирск, 1986. — 26 с.
  43. А.С. Численное решение задач оптимального управления иммунным процессом // Математическое моделирование в иммунологии и медицине. -М.: ОВМ АН СССР, 1986. С.157−177.
  44. А.С. Оптимизация иммунного ответа с помощью регулирования процесса отека // Материалы Международного рабочего совещания «Математическое моделирование в иммунологии и медицине». Киев, 1989. -С.15−16.
  45. А.С. Численный метод оптимизации управления в системах с запаздываниями. Препринт ВЦ СО АН СССР № 863. — Новосибирск, 1989. -30 с. щ
  46. А.С. Алгоритм оптимизации управления колебаниями в системах с запаздываниями. Препринт ВЦ СО АН СССР № 894. — Новосибирск, 1990. -21 с.
  47. А.С. Численный метод оптимизации управления в системах с запаздываниями при моделировании иммунного ответа. // Журн. вычислит, математики и мат. физики. 1990. — Т. ЗО, № 9. — С. 1307−1322.
  48. А.С. Управление колебаниями в системах с запаздываниями при моделировании заболеваний // Математическое моделирование. 1991. — № 6. -С.10−21.
  49. А.С. Оптимизация управлений в системах с запаздываниями // Труды XI Байкальской межд. конф. «Методы оптимизации и их приложения». Т.2. -Иркутск, 1998.-С. 50−53.
  50. А.С. Оптимизация управления в системах с запаздываниями // Сборник научных трудов. Серия: Математика. Выпуск 2. Улан-Удэ: Изд-во ВСГТУ, 1998.-С. 39−41.
  51. А.С. Численные методы управления колебаниями в системах с запаздываниями // Сборник научных трудов. Серия: Математика. Вып. 2. -Улан-Удэ: Изд-во ВСГТУ, 1998. С. 41−43.
  52. А.С. Моделирование устойчивых режимов вирусных инфекций // Оптимизация, управление, интеллект. ИДСТУ СО РАН, 1999, № 3. С. 110 120.
  53. А.С. Об одном методе последовательных приближений для оптимизации систем с запаздываниями, основанном на фазовой аппроксимации // Сборник научных трудов. Серия: Математика. Выпуск 4. -Улан-Удэ: Изд-во ВСГТУ, 1999. С. 28−34.
  54. А.С. Моделирование иммунотерапии при вирусных инфекциях // Сборник научных трудов. Серия: Математика. Выпуск 5. Улан-Удэ: Изд-во ВСГТУ, 2000. — С. 80−87.
  55. А.С. Алгоритмы улучшения для одной задачи оптимального управления с краевыми условиями // Сборник научных трудов. Серия: Математика. Выпуск 5. Улан-Удэ: Изд-во ВСГТУ, 2000. — С. 158−165.
  56. А.С., Мижидон А. Д. Параметрическая оптимизация динамических систем // Математика в восточных регионах Сибири. Материалы международной конференции, 28−30 июня 2000 г., Улан-Удэ, 2000. С. 97−98.
  57. А.С., Мижидон А. Д. Двухэтапный параметрический синтез динамических систем // Материалы Четвертого Сибирского конгресса по прикладной и индустриальной математике (ИНПРИМ 2000). — Новосибирск: ИМ СО РАН, 2000. — С. 10−11.
  58. А.С., Мижидон А. Д. Об одном подходе к параметрической идентификации динамических систем // Труды межд. конф. «Идентификация систем и задачи управления» М.: ИПУ СО РАН, 2000. — С. 2200−2204. -ISBN 5−201−9 605−0.
  59. А.С. Численная оптимизация скалярных управлений // Вестник ВСГТУ. Улан-Удэ: Изд-во ВСГТУ, 2001. — № 3 — С.157−163.
  60. А.С. Оптимизация управлений в динамических системах, квадратичных по состоянию // Труды XII Байкальской межд. конференции «Методы оптимизации и их приложения». Т. 2. Иркутск, 2001. — С. 78−82.
  61. А.С. Оптимизация квадратичных систем по управляющим параметрам // Scientific Transaction of National University of Mongolia, School of mathematics and computer sciences, Institute of Mathematics. Ulaanbaatar, 2001. -№ 8(186).-P. 53−58.
  62. А.С. Нелокальное улучшение управлений в системах с запаздыванием // Изв. вузов. Математика. 2001. — № 12. — С.3−9.
  63. А.С. Параметрическая оптимизация квадратичных динамических систем // Сборник научных трудов. Серия: Математика. Выпуск 6. Улан-Удэ: Изд-во ВСГТУ, 2002. — С. 3−11.
  64. А.С. Фазовая регуляризация процедур параметрической оптимизации динамических систем // Сборник научных трудов. Серия: Математика. Вып. 6. -Улан-Удэ: Изд-во ВСГТУ, 2002. С. 12−18.
  65. А.С. Процедуры нелокального улучшения управляющих параметров в линейных по состоянию системах // Математика, ее приложения и математическое образование. Материалы межд. конф. Т.1. Улан-Удэ: Изд-во ВСГТУ, 2002.-С. 111−118.
  66. А.С., Васильев О. В. Нелокальная оптимизация нелинейных управляемых систем // Математика, ее приложения и математическое образование. Материалы межд. конф. Т.1. Улан-Удэ: Из-во ВСГТУ, 2002. -С. 118−124.
  67. А.С. Процедуры нелокального улучшения в полиномиальных по состоянию системах управления: Науч. изд. Серия: Оптимизация и управление. Вып. 7. Иркутск: Иркут. ун-т, 2002. — 48 с.
  68. А.С. Регуляризация нелокальных процедур улучшения в квадратичных задачах управления // Оптимизация, управление, интеллект. ИДСТУ СО РАН, 2002, № 6. С. 84−93.
  69. А.С. К оптимизации квадратичных по состоянию динамических систем // Изв. вузов. Математика. 2002. — № 12. — С.30−38.
  70. А.С. Нелокальное улучшение дискретных управлений в квадратичных по состоянию динамических системах // Труды межд. конф. «Идентификация систем и задачи управления». М.: ИПУ РАН, 2003. — С. 707−713. — ISBN 5201−14 948−0.
  71. А.С. К идентификации параметров квадратичных по состоянию динамических систем // Инфокоммуникационные и вычислительные технологии и системы. Материалы Всероссийской конференции. Т.1 Улан-Удэ: Изд-во Бурятского ун-та, 2003. — С. 71−75.
  72. А.С. Нелокальное улучшение управлений в системах с запаздываниями // Журн. вычислит, математики и мат. физики. 2003. — Т.43, № 2.-С. 176−185.
  73. А.С. Процедуры нелокального улучшения управления в квадратичных по состоянию задачах управления // Изв. РАН. Теория и системы управления. 2003. — № 2. — С.76−85.
  74. А.С. Нелокальное улучшение управляемых процессов методом возмущений: Науч.изд. Серия: Оптимизация и управление. Вып. 10. -Иркутск: Иркут. ун-т, 2004. 52 с.
  75. А.С. Модификация метода проекций в задачах параметрической оптимизации квадратичных по состоянию систем // Вестник Бурятского университета. Серия 13. Математика и информатика. Улан-Удэ: Изд-во Бурятского ун-та, 2004. — С. 70−76.
  76. О.В. Лекции по методам оптимизации. Иркутск: Изд-во ИГУ, 1994. -339 с.
  77. О.В., Аргучинцев А. В. Методы оптимизации в задачах и упражнениях. М.: Физматлит, 1999. — 208 с.
  78. О.В., Бельтюков Н. Б., Терлецкий В. А. Алгоритмы оптимизации динамических систем, основанные на принципе максимума // Вопросы кибернетики. Модели и методы анализа больших систем. М.: 1991. — С. 1738.
  79. О.В., Дыхта В. А., Срочко В. А. Задачи оптимального управления: вариационный принцип максимума и методы численного решения // Нелинейная теория управления и ее приложения. М.: Физматлит, 2000. — С. 194−280.
  80. О.В., Срочко В. А., Терлецкий В. А. Методы оптимизации и их приложения. 4.2. Оптимальное управление. Новосибирск: Наука, 1990. — 151 с.
  81. О.В., Тятюшкин А. И. Об одном методе решения задач оптимального управления, основанном на принципе максимума // Журн. вычислит, математики и мат. физики. 1981. — Т.21, № 6. — С. 1376−1384.
  82. О.В., Тятюшкин А. И. Опыт решения задач оптимального управления на основе необходимых условий оптимальности типа принципа максимума // Вопросы устойчивости и оптимизации динамических систем. Иркутск: Изд-во Иркут. гос. ун-та, 1983. — С. 43−64.
  83. С.Н. К интеллектному управлению // Нелинейная теория управления и ее приложения. М.: Физматлит, 2000. — С. 57 — 126.
  84. С.Н., Жерлов А. К., Федосов Е. А., Федунов Б. Е. Интеллектное управление динамическими системами. -М.: Физматлит, 2000. -352 с.
  85. Ф.П. Методы решения экстремальных задач. М.: Наука, 1981. — 399 с.
  86. Ф.П. Численные методы решения экстремальных задач. М.: Наука, 1980.-518 с.
  87. А.Б., Бутузов В. Ф. Асимптотические разложения решений сингулярно возмущенных уравнений. М.: Наука, 1973.
  88. А.Б., Дмитриев М. Г. Сингулярные возмущения в задачах оптимального управления // Мат. анализ (Итоги науки и техники). Т. 20. М.: ВИНИТИ, 1982. — С. 3 -77.
  89. М.М. Функциональный анализ. М.: Просвещение, 1979. — 128 с.
  90. В.М. Основы численных методов. М.: Высшая школа, 2002. -840 с.
  91. М.И., Люстерник Л. А. Некоторые вопросы возмущений краевых задач для дифференциальных уравнений в частных производных // ДАН СССР. -1959. Т. 129, № 6. — С. 1203−1206.
  92. Вычислительные процессы и системы. Вып. З / Под ред. Г. И. Марчука. М.: Наука, 1985, — 254 с.
  93. Р., Кириллова Ф. М. Качественная теория оптимальных процессов. -М.: Наука, 1971.-508 с.
  94. Р., Кириллова Ф. М. Конструктивные методы оптимального управления // Изв. АН СССР. Техн. кибернетика. 1983. — № 2. — С. 169−185.
  95. Р., Кириллова Ф. М. Конструктивные методы оптимизации. 4.2: Задачи управления. Минск: Университетское, 1984. — 207 с.
  96. Р., Кириллова Ф. М. Методы оптимизации. Минск: Белорус.гос.ун-т, 1981.-350 с.
  97. Р., Кириллова Ф. М. Оптимизация линейных систем. — Минск: Белорус.гос.ун-т, 1973. -248 с.
  98. Р., Кириллова Ф. М. Особые оптимальные управления. М.: Наука, 1973.-256 с.
  99. Р., Кириллова Ф. М., Костюкова О. И., Ракецкий В. М. Конструктивные методы оптимизации. 4.5. Нелинейные задачи. Минск: Университетское, 1998.-390 с.
  100. Р., Кириллова Ф. М., Тятюшкин А. И. Конструктивные методы оптимизации. 4.1: Линейные задачи. Минск: Университетское, 1984. -214 с.
  101. Ю.Б. Введение в теорию исследования операций. М.: Наука, 1971. -383 с.
  102. Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985. -509 с.
  103. Е.Г., Третьяков Н. В. Модифицированные функции Лагранжа. М.: Наука, 1989.-400 с.
  104. Е.Г., Юдин Д. Б. Новые направления в линейном программировании. -М.: Наука, 1966.
  105. В.К. Метод параметризации задач оптимального управления // Журн. вычислит, математики и мат. физики. 1979. — Т.19,№ 2. — С.292−303.
  106. В.К. О сведении задач оптимального управления к конечномерным // Журн. вычислит, математики и мат. физики. 1978. — Т.18,№ 5. — С.1083−1095.
  107. В.К., Лутошкин И. В. Развитие и опыт применения метода параметризации в вырожденных задачах динамической оптимизации // Изв. РАН. Теория и системы управления. 2004. — № 5. — С.67−84.
  108. В.Д. Методы исследования устойчивости ядерных реакторов. М.: Атомиздат, 1977.-295 с.
  109. Н.И., Евтушенко Ю. Г. Библиотека программ для решения задач оптимального управления // Журн. вычислит, математики и мат. физики. -1979.-№ 2.-С. 367−387.
  110. X. Анализ и синтез систем управления с запаздыванием. М.: Машиностроение. — 1974. — 247 с.
  111. В.И. Вырожденные задачи оптимального управления. М.: Наука, 1977.-304 с.
  112. В.И. Принцип расширения в задачах управления. М.: Наука, 1985. -287 с.
  113. А.Р., Ильин A.M. Асимптотика решения задачи о быстродействии при возмущении начальных условий // Техн. кибернетика. № 3. — 1994. — С. 96−103.
  114. В.Ф., Рубинов А. М. Приближенные методы решения экстремальных задач. Д.: ЛГУ, 1968. — 179 с.
  115. В.В., Кошька М., Фигура А. Метод продолжения по параметру при решении краевых задач в оптимальном управлении // Дифференц. уравнения. -2001. Т. 37, № 4. — С. 453 — 457.
  116. В.В., Милютин А. А. Качественные и численные методы в принципе максимума. М.: Наука, 1989. — 144 с.
  117. М.Г. Теория сингулярных возмущений и некоторые задачи оптимального управления // Дифференц. уравнения. 1985. — Т. 21, № 10. — С. 1693- 1698.
  118. А .Я., Милютин А. А. Теория принципа максимума // Методы теории экстремальных задач в экономике. М.: Наука, 1981. — С.6 — 47.
  119. В.А. Вариационный принцип максимума и квадратичные условия оптимальности импульсных процессов. Иркутск: Изд-во ИГЭА, 1995. — 186 с.
  120. В.А., Самсонюк О. Н. Оптимальное импульсное управление с приложениями. М.: Физматлит, 2000. — 255 с.
  121. Ю.Г. Методы решения экстремальных задач и их применение в системах оптимизации. М.: Наука, 1982. — 432 с.
  122. А.И. Уравнения Риккати. М.: Физматлит, 2001. — 320 с.
  123. Ю.М., Гуленко В. П., Царенко Т. И. Конечно-разностный метод в задачах оптимального управления. Киев: Наукова думка, 1978. — 163 с.
  124. С.Т., Сесекин А. Н. Импульсные процессы: модели и приложения. -М.: Наука, 1991.-256 с.
  125. Г. Методы возможных направлений. -М.: ИЛ, 1963. 176 с.
  126. В.И. Лекции по теории управления. М.: Наука, 1975. — 495 с.
  127. В.И. Теория колебаний. М.: Высшая школа, 1979. — 400 с.
  128. С.М. Определение параметров моделей по данным наблюдений // Вычислительные процессы и системы. Вып. 3. М.: Наука, 1985. — С. 80−107
  129. С.М. Статистическое оценивание параметров математических моделей заболеваний. -М.: Наука, 1988. 192 с.
  130. А.Ф., Солодов М. В. Численные методы оптимизации. М.: Физматлит, 2003. — 304 с.
  131. A.M. Согласование асимптотических разложений решений краевых задач. М.: Наука, 1989.
  132. A.M., Данилин А. Р. Асимптотическое поведение решения задачи быстродействия для линейной системы при возмущении начальных данных // Докл. РАН. 1996. — Т. 350, № 2. — С. 155- 157.
  133. А.И. Метод возмущений для асимптотического решения квазилинейной задачи оптимального быстродействия // Дифференц. уравнения. 1990. — Т. 26, № 4. с. 585- 594.
  134. А. С. Романюха А.А. Энергетический критерий качества иммунной защиты и патогенность микроорганизмов. // Автоматика и телемеханика. -2003.-№ 6.-С. 141−151.
  135. В.Г. Математическое программирование. -М.: Наука, 1986.-285 с.
  136. А.П., Рождественский Б. Л. Обыкновенные дифференциальные уравнения и основы вариационного исчисления. -М.: Наука, 1986. -272 с.
  137. Т. Теория возмущений линейных операторов. М.: Мир, 1972.
  138. Д., Моулер К., Нэш С. Численные методы и программное обеспечение. М.: Мир, 1988. — 575 с.
  139. Г. Метод градиентов // Методы оптимизации с приложениями к механике космического полета. М.: Наука, 1965. — С. 101−116.
  140. Н.Е. Вычислительные методы теории оптимального управления. JL: Изд-во ЛГУ, 1968. -144 с.
  141. Н.Е. Методы последовательных оценок в задачах оптимизации управляемых систем. Л.: Изд-во ЛГУ, 1975. — 160 с.
  142. Ю.Н. Линейная теория быстродействия с возмущениями. М.: Изд-во МГУ, 1986.
  143. В.Ф. Основы теории оптимального управления. М.: Высшая школа, 1990.-429 с.
  144. В.Ф., Гурман В. И. Методы и задачи оптимального управления. М.: Наука, 1973.-448 с.
  145. В.Ф., Фельдман И. Н. Итерационный метод решения задач оптимального управления // Изв. АН СССР. Техн. кибернетика. 1983. — № 2. -С.160−168.
  146. И.А., Черноусько Ф. Л. Алгоритмы метода последовательных приближений для задач оптимального управления // Журн. вычислит, математики и мат.физики. 1972. — Т.12, № 1. — С.14−34.
  147. И.А., Черноусько Ф. Л. О методе последовательных приближений для решения задач оптимального управления // Журн. вычислит, математики и мат.физики. 1962. — Т.2, № 6. — С. 1132−1138.
  148. И.А., Черноусько Ф. Л. Решение задач оптимального управления методом локальных вариаций // Журн. вычислит, математики и мат.физики. -1966. Т.6, № 2. — С. 203−217.
  149. Г. А. Об одной вырожденной задаче оптимального управления и сингулярных возмущениях // ДАН СССР. 1977. — Т. 237, № 3. — С. 517 — 520.
  150. Е.С. Об асимптотическом методе решения задач оптимизации, содержащих малые параметры // Модели и методы оптимизации. Вып. 7. М.: ВНИИСИ, 1990. — С. 28- 42.
  151. Е.С. Теория возмущений в математическом программировании и ее приложения. М.: Наука, 1992. — 360 с.
  152. .Л. Некоторые методы решения нелинейных краевых задач. М.: Мир, 1972.-587 с.
  153. .Л. Оптимальное управление системами, описываемыми уравнениями с частными производными. М.: Мир, 1972.
  154. С.А. Введение в общую теорию сингулярных возмущений. М.: Наука, 1981.
  155. Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. М.: Наука, 1986. — 232 с.
  156. С.В. Курс лекций по методам оптимизации. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. — 368 с.
  157. А.А. Модификации и исследование сходимости метода последовательных приближений для задач оптимального управления // Журн. вычислит, математики и мат.физики. 1979. — Т. 19, № 6. — С. 1414−1421.
  158. А.А. О применении модификации метода последовательных приближений для решения задач оптимального управления // Журн. вычислит, математики и мат.физики. 1982. — Т. 22, № 1. — С. 30−35.
  159. А.А., Черноусысо Ф. Л. Метод последовательных приближений для расчета оптимального управления // Изв. АН СССР. Техн. кибернетика. -1983. № 2.- С.147−159.
  160. Дж. Нелинейные дифференциальные уравнения в биологии. Лекции о моделях. М.: Мир. — 1983. — 397 с.
  161. Г. И. Математические модели в иммунологии. М.: Наука, 1985. — 240 с.
  162. Г. И. Математические модели в иммунологии. Вычислительные методы и алгоритмы. М.: Наука, 1991. — 300 с.
  163. Г. И. Методы расчета ядерных реакторов. М.: Атомиздат, 1961.
  164. Г. И. Численное решение задач динамики атмосферы и океана. Л.: Гидрометеоиздат, 1974.
  165. Г. И., Михайлов Г. А., Назаралиев М. А. и др. Метод Монте-Карло в атмосферной оптике. Новосибирск: Наука, 1976.
  166. Г. И. Математическое моделирование в проблеме окружающей среды. -М.: Наука, 1982.
  167. Г. И. Методы вычислительной математики. М.: Наука, 1989. — 608 с.
  168. Г. И. Сопряженные уравнения и анализ сложных систем. М.: Наука, 1992.-335 с.
  169. Г. И., Агошков В. И., Шутяев В. П. Сопряженные уравнения и алгоритмы возмущений в нелинейных задачах математической физики. М.: Наука, 1993.
  170. Г. И., Петров Р. В. Вирусное поражение органа и имму, но физиологические реакции защиты (математическая модель). Препринт ОБМАН СССР № 51. -М., 1983.
  171. Г. И., Романюха А. А., Бочаров Г. А. Математическое моделирование противовирусного иммунного ответа при вирусном гепатите В II Математические вопросы кибернетики. Вып. 2. / Под ред. С.ВЛблонского. -М.: Наука, 1989.-С.5−70.
  172. Г. И., Романюха А. А., Бочаров Г. А. Математическая модель противовирусного иммунного ответа при гриппе. Препринт ОВМ АН СССР. -М., 1990.
  173. В.П. Теория возмущений и асимптотические методы. М.: Изд-во МГУ, 1965.
  174. Математическое моделирование в иммунологии и медицине / Под ред. Г. И. Марчука и JI.H. Белых. М.: Мир, 1986. — 310 с.
  175. Методы решения задач математического программирования и оптимального управления / Ащепков Л. Т., Белов Б. И., Булатов В. П. и др. Новосибирск: Наука, 1984.-232 с.
  176. Методы улучшения в вычислительном эксперименте / Гурман В. И., Батурин В. А., Москаленко А. И. и др. Новосибирск: Наука, 1988. — 184 с.
  177. .М. Условия оптимальности в задачах обобщенного управления // Автоматика и телемеханика. 1992. — № 5. — С.50−58.
  178. А.А., Илютович А. Е. Осмоловский Н.П., Чуканов С. В. Оптимальное управление в линейных системах. М.: Наука, 1993. — 268 с.
  179. Модели управления природными ресурсами / Под ред. В. И. Гурмана. — М.: Наука, 1981.-264 с.
  180. Моделирование и управление процессами регионального развития / Под ред. С. Н. Васильева. М.: Физматлит, 2001. — 432 с.
  181. Н.Н. Асимптотические методы нелинейной механики. М.: Наука, 1969. — 379 с.
  182. Н.Н. Математические задачи системного анализа. -М.: Наука, 1981.
  183. Н.Н. Методы динамического программирования в теории оптимальных управлений. I-II. Журн. вычислит, математики и мат.физики. — 1964. — Т. 4, № 3. — С. 485−494- - 1965. — Т.5, № 1. — С. 44−56.
  184. Н.Н. Численные методы в теории оптимальных систем // М.: Наука, 1971.-424 с.
  185. Н.Н. Численные методы теории оптимального управления, использующие вариации в пространстве состояний // Кибернетика. 1966. -Т.5, № 3. — С. 1−23.
  186. Н.Н. Элементы теории оптимальных систем. М.: Наука, 1975. — 488 с.
  187. П.И. О сходимости метода интервальной пристрелки // Журн. вычислит, математики и мат. физики. 1978. — Т. 18, № 5. — С. 1139 — 1145.
  188. А.И. Методы нелинейных отображений в оптимальном управлении. Новосибирск: Наука, 1983.-222 с.
  189. А. Введение в методы возмущений. М.: Мир, 1984. — 585 с.
  190. JI.B. Курс лекций по математической экологии. Новосибирск: Сибирский хронограф, 1997. — 158 с.
  191. Н.И., Марчук Г. И., Зубикова И. И., Погожев И. Б. Математическое моделирование вирусного гепатита. М.: Наука, 1981. — 352 с.
  192. В.А., Новиков Е. А. Явные методы для решения жестких систем обыкновенных дифференциальных уравнений. Препринт ВЦ СО АН СССР № 629. — Новосибирск, 1985. — 21 с.
  193. В.Н. Теория управления и биосистемы. М.: Наука, 1978.- 319 с.
  194. Новые методы улучшения управляемых процессов / Гурман В. И., Батурин В. А., Данилина Е. В. и др. Новосибирск: Наука, 1987. — 184 с.
  195. Д.А. Математические методы управления пучками. JL: ЛГУ, 1980.-228 с.
  196. Д.А. Моделирование и оптимизация динамики пучков заряженных частиц. Л.: ЛГУ, 1990. — 312 с.
  197. А.А., Гайцгори В. Г. Декомпозиция, агрегирование и приближенная оптимизация. М.: Наука, 1979.
  198. Ю.П. Вариационные методы теории оптимального управления. Л.: ЛГУ, 1977.-280 с.
  199. И.Б. Беседы о подобии процессов в живых организмах. М.: Наука, 1999.-222 с.
  200. И.Б. Интенсивность взаимодействий в жидких средах организма. -М.: ОВМ АН СССР, 1989. 150 с.
  201. И.Б. Применение математических моделей заболеваний в клинической практике. М.: Наука, 1988. — 192 с.
  202. И.Б., Акишев Т. Х. Определение и анализ персональных параметров системы регулирования сахара в крови. Препринт ИВМ РАН № 282. — М., 1991.-48 с.
  203. Э. Численные методы оптимизации. Единый подход. М.: Мир, 1974. -376 с.
  204. Л.С., Болтянский В. Г., Гамкрелидзе Р. В., Мищенко Е. Ф. Математическая теория оптимальных процессов. М.: Наука, 1976. — 392 с.
  205. А.И. Элементы теории оптимальных дискретных процессов. М.: Наука, 1973.-255 с.
  206. А.И., Ядыкин А. Б. Параметрическое квадратичное и линейное программирование. I, II // Автоматика и телемеханика. 1976. — № 2. — С. 102 — 112- 1978. — № 4.-С. 136- 143.
  207. .Н., Данилин Ю. М. Численные методы в экстремальных задачах. -М.: Наука, 1975.-319 с.
  208. А.А. Математическая модель вирусного гепатита В. Анализ данных. Построение блочной модели. Препринт ОВМ АН СССР № 115. — М., 1986.
  209. А.А., Бочаров Г. А. Построение начального приближения для решения задачи идентификации коэффициентов математической модели противовирусного иммунного ответа. Препринт ОВМ АН СССР № 160. — М., 1987.
  210. А.А., Бочаров Г. А. Идентификация коэффициентов математической модели противовирусного иммунного ответа. Острое течение вирусного гепатита В. Препринт ОВМ АН СССР № 161. — М., 1987.
  211. А.А., Руднев С. Г. Математическое моделирование иммуновоспалительных процессов в легких. Поиск оптимальности // Вычислительная математика и математическое моделирование. Труды международной конференции. М.: ИВМ РАН, 2000.
  212. А.А., Руднев С. Г. Вариационный принцип в исследовании противоинфекционного иммунитета на примере пневмонии // Математическое моделирование. 2001. — Т. 13, № 8. — С.65−84.
  213. А.Б., Пытьева Н. Ф., Ризниченко Г. Ю. Кинетика биологических процессов. М.: Изд-во МГУ, 1987. — 299 с.
  214. А.А., Гулин А. В. Численные методы. М.: Наука, 1989. — 432 с.
  215. Ю.М., Логофет Д. О. Устойчивость биологических сообществ. М.: Наука, 1978.-352 с.
  216. Сеа Ж. Оптимизация. Теория и алгоритмы. М.: Мир, 1973. — 244 с.
  217. В.А. Сингулярные возмущения в линейно-квадратичной задаче оптимального управления // Автоматика и телемеханика. 1991. — № 2. — С. 53 -64.
  218. В.А. Вариационный принцип максимума и методы линеаризации в задачах оптимального управления. Иркутск: Изд-во Иркут. гос. ун-та, 1989. -160 с.
  219. В.А. Итерационные методы решения задач оптимального управления. М.: Физматлит, 2000. — 160 с.
  220. В.А. Применение принципа максимума для численного решения задач оптимального управления с терминальными ограничениями // Кибернетика. -1986.-№ 1.-С. 73−77.
  221. В.А. Метод фазовой линеаризации в задачах оптимального управления со свободным правым концом // Изв. вузов. Математика. 1992. — № 7. — С. 7077.
  222. В.А. Метод квадратичной фазовой аппроксимации для решения задач оптимального управления // Изв. вузов. Математика. 1993. — № 12. — С. 81−88.
  223. В.А. Модернизация методов градиентного типа в задачах оптимального управления // Изв. вузов. Математика. 2002. — № 12. — С. 66−78.
  224. В.А., Антоник В. Г. К решению задач оптимального управления на основе методов линеаризации // Журн. вычислит, математики и мат. физики. -1992. Т.32, № 7. — С. 979−991.
  225. В.А., Антоник В. Г. Метод проекций в линейно-квадратичных задачах оптимального управления // Журн. вычислит, математики и мат. физики. -1998. Т.38, № 4. — С. 564−572.
  226. В.А., Захарченко B.C. Метод приращений для решения квадратичных задач оптимального управления // Изв. РАН. Теория и системы управления. -1995.-№ 6.-С. 145−154.
  227. В.А., Пудалова Е. И. Методы нелокального улучшения допустимых управлений в линейных задачах с запаздыванием // Изв. вузов. Математика. -2000.-№ 12.-С. 78 88.
  228. В.А., Пудалова Е. И., Душутина С. Н. Регуляризация принципа максимума и мектодов улучшения в квадратичных задачах оптимального управления // Изв. вузов. Математика. 1998. — № 12.- С. 82 — 92.
  229. В.А., Ушакова С. Н. Метод полной квадратичной аппроксимации в задачах оптимального управления // Изв. вузов. Математика. 2004. — № 1. — С. 87- 93.
  230. В.А., Хамидуллин Р. Г. Метод последовательных приближений в задачах оптимального управления с краевыми условиями // Журн. вычислит, математики и мат. физики. 1986. — Т.26, № 4. — С. 508−520.
  231. А.С. О невыпуклых задачах оптимального управления // Вестник МГУ. Сер. 15. Вычислительная математика и кибернетика. 1993. -№ 1.-С. 9−13.
  232. А.С. О поиске глобального максимума выпуклого функционала на допустимом множестве // Журн. вычислит, математики и мат. физики. 1993. — Т. ЗЗ, № 3. — С.9−13.
  233. А.С. Элементы невыпуклой оптимизации. Новосибирск: Наука, 2003. — 356 с.
  234. А.Г., Тимохов А. В., Федоров В. В. Курс методов оптимизации. М.: Наука, 1986. — 328 с.
  235. А.Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1979.
  236. А.Н. О методах регуляризации задач оптимального управления // ДАН СССР. 1965. — Т. 162, № 4. — С. 763−765.
  237. В.А. Глобальная обратимость нелинейных операторов и метод продолжения по параметру // ДАН РАН. -1996. Т. 350, № 4. — С. 455−457.
  238. В.А. Развитие и приложения асимптотического метода Люстерника-Вишика // УМН. 1970. — Т.25, вып. 4. — С. 123−156.
  239. В.А. Функциональный анализ. М.: Наука, 1980.
  240. А.И. О численном решении задач оптимального управления // Дифференциальные уравнения и численные методы. Новосибирск: Наука, 1986.-С. 208−217.
  241. А.И. Численные методы и программные средства оптимизации управляемых систем. Новосибирск: Наука, 1992. — 192 с.
  242. А.И. Многометодная технология для расчета оптимального управления // Изв. РАН. Теория и системы управления. 2003. — № 3. — С.59−67.
  243. В.И. Скользящие режимы в задачах оптимизации и управления. М.: Наука, 1981.-367 с.
  244. Р.П. Метод проекции градиента в задачах оптимального управления. Препринт Ин-та прикл. математики АН СССР № 45. — М., 1975. -70 с.
  245. Р.П. Приближенное решение задач оптимального управления. -М.: Наука, 1978.-486 с.
  246. А., Мак-Кормик Г. Нелинейное программирование. М.: Мир, 1972.
  247. А.Н. Асимптотические методы в теории дифференциальных и интегродифференциальных уравнений. Ташкент: Фан, 1974.
  248. А.Ф. Дифференциальные уравнения с разрывной правой частью. -М.: Наука, 1985.-222 с.
  249. У., Ришел Р. Оптимальное управление детерминированными и стохастическими системами. М.: Мир, 1978. 318 с.
  250. Дж., Мальколм М., Моулер К. Машинные методы математических вычислений. М.: Мир, 1980. 280 с.
  251. К. Возмущение спектра операторов и гильбертовом пространстве. -М.: Мир, 1969.
  252. Г. Л. Оптимальные процессы с запаздыванием. Тбилиси: Мецниереба, 1966. — 84 с.
  253. Дж. Теория функционально-дифференциальных уравнений. М.: Мир, 1984.-421 с.
  254. Э., Лундерштедт Р. Численные методы оптимизации. М.: Машиностроение, 1981.-191 с.
  255. A.M., Балакирев B.C., Дудников Е. Г. Вариационные методы управляемых объектов. М.: Энергия, 1976. — 448 с.
  256. Л. Асимптотическое поведение и устойчивость решений обыкновенных дифференциальных уравнений. М.: Мир, 1964. — 478 с.
  257. Ф.Л. Оценивание фазового состояния динамических систем. М.: Наука, 1988.-320 с.
  258. Ф.Л., Баничук Н. В. Вариационные задачи механики и управления. -М.: Наука, 1973.-235 с.
  259. Ф.Л., Колмановский В. Б. Вычислительные и приближенные методы оптимального управления // Мат. анализ. Итоги науки и техники. Т. 14. -М., 1977. С.101−166.
  260. В.И., Кузнецов Е. Б. Метод продолжения решения по параметру и наилучшая параметризация. М., 1999.
  261. В.Е. Методы численного решения краевых задач. Киев: Наукова думка, 1966.
  262. Л.И. Об одном численном методе решения задач оптимального управления // Журн. вычислит, математики и мат. физики. 1962. — Т.2, № 3. -С. 488−491.
  263. В.П. Операторы управления и итерационные алгоритмы в задачах вариационного усвоения данных. -М.: Наука, 2001. 238 с.
  264. Л. Э. Норкин С.Б. Введение в теорию дифференциальных уравнений с отклоняющимся аргументом. М.: Наука, 1971. — 296 с.
  265. Н.М., Кнорре Д. Г. Курс химической кинетики. М.: Высшая школа, 1974.-399 с.
  266. Т.М. О применении градиентного метода в задачах теории оптимального управления // Косм.исслед. 1966. — ТА, № 5. — С. 651−669.
  267. Р.Т. Управление объектами с запаздыванием. М.: Наука, 1978. -416 с.
  268. Bala Krishnan A.V. On a new computing technique on optimal control // J. SLAM Control. 1968. — V.6, N 2. — P. 421−432.
  269. Bocharov G.A., Marchuk G.I., Romanyukha A.A. Numerical Solution of LMMs of Stiff Delay Differential systems modeling an immune response // Numer. Math. -1996.-V.3.-P. 131−148.
  270. Bocharov G.A. Modelling the dynamics of LCMV infection in mice: conventional and exhaustive CTL responses // J. Theor. Biol. 1998. — V. 192. — P.283−308.
  271. Buldaev A.S. Optimization of Nonlinear Systems in Controlling Parameters // Proceedings of 5th IF AC Symposium «Nonlinear Control Systems» (NOLCOS'Ol). Saint — Petersburg, Russia, 2001. — P. 306−309.
  272. Buldaev A.S. Optimization of the Controls in Quadratic Dynamical Systems // Proceedings of the International Congress of Mathematicians. Beijing, China. August 20−28, 2002. — P. 244.
  273. Buldaev A.S. Regularization of the Procedures of Nonlocal Parameter’s Optimization in Quadratic Systems // The International Conference on Optimization and Optimal Control. Ulaanbaator, Mongolia, August 13−17, 2002. — P. 36−41.
  274. Clarke F.H., Hitiart-Urruty J.-B., Ledyaev Yu.S. On Global Optimality Conditios for Nonlinear Optimal Control Problems // J. of Global Optimization. 1998. -N13. -P. 109 -122.
  275. Dunn J.C. A projected Newton method for minimization problems with nonlinear inequality constraints // Numer. Math. 1988. — Vol.53. — P.377−409.
  276. Dunn J.C. On L2 sufficient conditions and the gradient projection method for optimal control problems // SIAM J. Control and Optimization. 1996. — Vol.34, № 4. -P.1270−1290.
  277. Fiacco A.V. Introduction to sensitivity and stabiblity analysis in nonlinear programming. New York: Academic Press, 1983.
  278. Fukushima M., Yamamoto Y. A second-order algorithm for continuoustime nonlinear optimal control problems // IEEE. Trans. Automat. Contr. 1986. Vol. AC-31, № 7. -P.673−676.
  279. J., Jongen H.Th., Kummer В., Nozicka F. (eds) Parametric Optimization and related topics // Math. Research. 1987. — V.35. — Berlin: Academic — Verlag.
  280. Himmelblau D.M., Jones C.R., Bischoff K.B. Determination of rate constants for complex kinetics models // Ind. Eng. Chem. Fund. 1967. — V.6 № 4. — P.539−543.
  281. Jacobson D.H. New second-order and first-order algorithms for determinining optimal control. A differential programming approach // J. Optimiz. Theory and Applications. 1968. — V. 2, N 4. — P. 411−440.
  282. Jones D.I., Finch J.W. Comparison of optimization algorithms // Intern. Journal of Control. -1984. -V.40, N4. P.747−761.
  283. Kokotovic P.V., Khalil H. K., O’Reily J. Singular Perturbations Methods in Control. Analysis and Design. New York: Academic Press, 1986.
  284. Ladas G.E., Lakshmikantham V. Differential Equations in Abstract Spaces. New York: Academic Press, 1972.
  285. Marchuk G.I. Mathematical models of immune response in infections diseases. -Dordrecht: Kluwer Press., 1997.
  286. Mayne D.Q., Polak E. First order strong variation algorithms for optimal control // J. Optimiz. Theory and Applications. 1975. — Vol.16, № 3−4. — P.277−301.
  287. Miele A. Recent Advances in Gradient Algorithms for Optimal Control Problems. -J. Optimiz. Theory and Applications. 1975. — V.17, N 516. — P. 241−248.
  288. Murdock J.A. Perturbations Theory and Methods. New York, Academic Press, 1986.
  289. Pytlak R. Numerical Methods for Optimal Control Problems with State Constraints.- Springer. Lecture Notes in Mathematics, № 1707, 1999. 215p.
  290. Roberts M., Shipman J.S. Extension of a perturbation technique for nonlinear two-point boundary value problem // J. Optimiz. Theory and Applic. 1973. — VI2, N5.- P. 459 470.
  291. Roberts M., Shipman J.S. The Epsilon Variation method in two-point bpundary value problem // J. Optimiz. Theory and Applic. 1973. — V.12, N2. — P. 137 — 151.
  292. Sakawa Y., Shindo Y. On global convergence of an algorithm for optimal control // IEEE Trans. Automat. Contr. 1980. — V.256, № 6. -P.l 149−1158.
  293. Strekalovsky A.S. On global maximum of a convex terminal functional in optimal control problems // J. of Global Optimization. 1995. -N7. — P. 75−91.
  294. Strekalovsky A.S. On global Optimality Conditions for Nonconvex Optimization // J. of Global Optimization. 1998. — v.13. -P.109−122.
  295. Strekalovsky A.S., Vasiliev I.L. On global search for non-convex optimal control problems // Developments in Global Optimization and its Applications .- Kluwer Academic Publishers. 1997. — P. 121−133.
  296. Takeuchi Y., Adachi N., Tokumara H. The stability of generalized volterra equations // J. Math. Anal. Appl. 1978. — V.62 — P.453−473.
  297. Teo K.L., Yeo L.T. On the computational methods of optimal control problems // Intern. Journ. Systems Science. 1979. — V.10, N1. -P.51−76.
  298. Usmanov R.N., Zuev S.M. Parameterization in mathematical models of disease // Russ. J. Numer. Anal. And Math. Model. 1993. — V. 8, N3. — P. 275−284.
  299. Van Dyke M.D. Perturbation Methods in Fluid Mechanics. New York: Academic Press, 1964.
  300. Vasiliev O.V. Optimization methods. World Federation Publishers Company, Atlanta, USA, 1996. -276 p.
Заполнить форму текущей работой

Сессия? Спокойно!