三元復(fù)合驅(qū)最優(yōu)控制

目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.3 本書主要內(nèi)容 5
第2章 預(yù)備知識 8
2.1 最優(yōu)控制理論 8
2.1.1 最優(yōu)控制問題表述 8
2.1.2 最優(yōu)性必要條件 9
2.1.3 數(shù)值最優(yōu)控制方法 11
2.2 動態(tài)規(guī)劃 22
2.2.1 動態(tài)規(guī)劃理論 22
2.2.2 迭代動態(tài)規(guī)劃理論 26
2.2.3 近似動態(tài)規(guī)劃理論 29
第3章 三元復(fù)合驅(qū)最優(yōu)控制模型及必要條件 31
3.1 三元復(fù)合驅(qū)數(shù)學(xué)模型 31
3.1.1 支配方程 31
3.1.2 物化代數(shù)方程 34
3.1.3 簡化的三元復(fù)合驅(qū)二維模型 37
3.1.4 簡化的三元復(fù)合驅(qū)一維巖心模型 38
3.2 三元復(fù)合驅(qū)數(shù)學(xué)模型的有限差分求解 38
3.2.1 全隱式有限差分離散化 38
3.2.2 數(shù)學(xué)模型方程組求解 43
3.3 三元復(fù)合驅(qū)最優(yōu)控制模型 44
3.3.1 性能指標(biāo) 45
3.3.2 支配方程 45
3.3.3 優(yōu)化變量 45
3.3.4 約束條件 46
3.4 三元復(fù)合驅(qū)最優(yōu)控制問題的必要條件 46
3.4.1 離散三元復(fù)合驅(qū)最優(yōu)控制的一般形式 47
3.4.2 離散三元復(fù)合驅(qū)最優(yōu)控制的必要條件 47
3.5 本章小結(jié) 50
第4章 基于正交函數(shù)近似的控制變量不連續(xù)最優(yōu)控制求解 51
4.1 問題描述 51
4.2 基于自適應(yīng)正交函數(shù)近似的最優(yōu)控制求解方法 53
4.2.1 基于約束凝聚的約束處理 53
4.2.2 多階段問題轉(zhuǎn)化 55
4.2.3 正交函數(shù)近似 56
4.2.4 自適應(yīng)策略 60
4.2.5 具有最優(yōu)性驗證的控制結(jié)構(gòu)檢測方法 61
4.3 基于序列二次規(guī)劃的優(yōu)化求解 63
4.3.1 算法步驟 63
4.3.2 算法測試 64
4.4 基于自適應(yīng)正交函數(shù)近似的三元復(fù)合驅(qū)最優(yōu)控制求解 66
4.4.1 基于高斯偽譜法的一維三元復(fù)合驅(qū)最優(yōu)控制求解 66
4.4.2 基于有理Haar函數(shù)的三維三元復(fù)合驅(qū)最優(yōu)控制求解 70
4.5 本章小結(jié) 82
第5章 基于動態(tài)規(guī)劃的最優(yōu)控制求解 83
5.1 基于迭代動態(tài)規(guī)劃的混合整數(shù)最優(yōu)控制求解 83
5.1.1 動態(tài)尺度混合整數(shù)迭代動態(tài)規(guī)劃算法 83
5.1.2 三元復(fù)合驅(qū)最優(yōu)控制問題求解 90
5.2 基于近似動態(tài)規(guī)劃的最優(yōu)控制求解 97
5.2.1 最優(yōu)控制問題描述 97
5.2.2 基于執(zhí)行-評價框架的近似動態(tài)規(guī)劃算法 99
5.2.3 算法測試 106
5.2.4 三元復(fù)合驅(qū)最優(yōu)控制問題求解 107
5.3 本章小結(jié) 112
第6章 基于螺旋優(yōu)化的模糊多目標(biāo)最優(yōu)控制求解 113
6.1 改進(jìn)的螺旋優(yōu)化算法 113
6.1.1 經(jīng)典螺旋優(yōu)化算法 113
6.1.2 自適應(yīng)柯西變異 116
6.1.3 拉丁超立方采樣 118
6.1.4 混合螺旋優(yōu)化算法 119
6.1.5 算法測試 121
6.2 基于混合螺旋優(yōu)化的模糊多目標(biāo)最優(yōu)控制問題求解 123
6.2.1 模糊多目標(biāo)最優(yōu)控制描述 123
6.2.2 確定性模型轉(zhuǎn)化 124
6.2.3 基于對稱模型和水平截集的模糊多目標(biāo)處理方法 126
6.2.4 混合螺旋優(yōu)化求解 127
6.3 三元復(fù)合驅(qū)模糊多目標(biāo)最優(yōu)控制求解 128
6.4 本章小結(jié) 132
第7章 三元復(fù)合驅(qū)時空建模及迭代動態(tài)規(guī)劃求解 134
7.1 基于動態(tài)記憶小波神經(jīng)網(wǎng)絡(luò)的建模方法 134
7.1.1 基本原理 134
7.1.2 K-L分解 135
7.1.3 動態(tài)記憶小波神經(jīng)網(wǎng)絡(luò) 138
7.1.4 基于動態(tài)記憶小波網(wǎng)絡(luò)的三元復(fù)合驅(qū)近似建模 144
7.2 雙正交時空Wiener建模方法 148
7.2.1 基本原理 149
7.2.2 時空Wiener系統(tǒng) 149
7.2.3 基函數(shù)構(gòu)造 150
7.2.4 雙正交時空Wiener系統(tǒng)建模 155
7.2.5 仿真測試 160
7.3 基于雙正交時空Wiener建模的迭代動態(tài)規(guī)劃算法 164
7.4 基于雙正交時空建模的三元復(fù)合驅(qū)最優(yōu)控制求解 165
7.4.1 油藏描述 165
7.4.2 三元復(fù)合驅(qū)建模和模型驗證 166
7.4.3 迭代動態(tài)規(guī)劃求解 169
7.5 本章小結(jié) 172
第8章 基于色譜分離的三元復(fù)合驅(qū)機會約束規(guī)劃求解 173
8.1 色譜分離參數(shù)計算及軟件設(shè)計 173
8.1.1 色譜分離參數(shù)計算模式 173
8.1.2 色譜分離參數(shù)計算軟件設(shè)計 175
8.2 三元復(fù)合驅(qū)機會約束規(guī)劃 177
8.2.1 三元復(fù)合驅(qū)優(yōu)化模型 177
8.2.2 優(yōu)化模型實例求解 179
8.3 本章小結(jié) 182
第9章 結(jié)論 183
參考文獻(xiàn) 185
附錄 模糊優(yōu)化基礎(chǔ) 196
彩圖