Раздел 8. Методы оптимизации технологических процессов.

8.1. Общая постановка задачи оптимизации.

Рассмотрим некоторый технологический объект произвольной структуры, изображенный
на рис. 8.1.

u
1u,
…
2 .
,.u
r

0
x
1 y
1

0
Т
е
хн
ол
ог
ич
ес
ки
й
x
2 о
бъ
ек
т y
2

0
x
m y
n

z
1z,
…
2 .
,.z
p

Рис.8.1. Структурная схема технологического объекта.

В объект входит смесь исходных продуктов, характеризуемая исходным составом:
0 ( 0) ( 0) ( 0)
X  ( x1 , x 2 ,..., x m ) (8.1)
Это могут быть начальные значения концентрация реагентов, начальная температура,
давление и другие параметры, характеризующие начальный состав исходной смеси. В
результате физических и физико-химических превращений исходная смесь превращается в
конечные продукты, характеризуемые вектором У:
(k ) (k ) (k )
 (y y y
k
Y 1
,
2
,...,
n
) (8.2)
При этом значения вектора конечного состояния Уk зависит как от вектора
начального состояния Х0, так и от значения вектора управляемых переменных:

U  (u1 , u2 ,..., ur ) (8.3)

Управляемые переменные влияют на протекание процесса превращения исходного сырья в
конечные продукты и их можно задавать и поддерживать в необходимых пределах с
помощью системы автоматического управления. Кроме управляемых переменных на
протекание процесса, оказывают влияние еще так называемые неконтролируемые
воздействия, или шумы. Это могут быть различные неконтролируемые примеси в
исходном сырье, колебания состава, вызванного неточностью систем управления подачей
исходных компонентов, колебания состава подаваемого воздуха, отложение примесей на
теплообменных поверхностях и другие неконтролируемые воздействия. Эти параметры
объединяют в группу так называемых «шумов».

Z  ( z1 , z 2 ,..., z p ) (8.4)
Задачей оптимизации является нахождение такого вектора управления U, который
обеспечивает экстремальное значение некоторой функции вектора конечного состояния У.
Эта функция называется, обычно, критерием оптимизации. От того насколько правильно
сформулирован критерий оптимизации, зависит успех решения и правильность
полученных результатов.

127
Типичным случаем неправильной постановки задачи является распространенная ошибка,
когда пытаются найти оптимальные значения сразу нескольких величин одновременно,
например: получить максимальный выход продукции при минимальных затратах.
Минимальные затраты равны нулю, а при нулевых затратах, как известно, никакого выхода
продукции получить нельзя.
Примерами корректной формулировки цели оптимизации могут быть следующие:
а) получить максимальный выход продукции при заданном расходе сырья, или
б) для заданного выхода продукции получить минимальный расход сырья.
Необходимыми условиями правильной постановки и решения задачи являются наличие
количественной оценки оптимизируемого параметра, а также функциональная связь
оптимизируемого параметра с варьируемыми параметрами, т.е. с компонентами вектора
управления U. Эта связь обычно обеспечивается математической моделью процесса. При
постановке задачи оптимизации, кроме требования экстремума критерия оптимизации
требуется еще обеспечить некоторые дополнительные требования, налагаемые либо на
значения управляемых переменных, либо на значения вектора выходных переменных,
сформулированных в виде некоторых функций.
Таким образом, в задачу оптимизации можно сформулировать в следующем виде:
Найти вектор управления U   , принадлежащий к заданной области управления,
обеспечивающий экстремум некоторой функции вектора состояния объекта У и
одновременное выполнение некоторых ограничений на переменные состояния,
заданные либо в форме равенств, либо в форме неравенств: Математически это можно
сформулировать следующим образом:

R (Y (U ))  EXTR; при A  F(Y)  B; и Ф(У)  D (8.5)

U
Связь Y(U) обеспечивается наличием математической модели, обеспечивающей
функциональную зависимость между вектором конечного состояния, вектором входного
состояния и вектором управления:
Y=Y(U,X) (8.6)
В зависимости от постановки задачи, вида функции R(Y(U)) и наличия и характера
ограничений применяют тот или иной метод оптимизации.
В настоящее время для решения оптимальных задач применяют, в основном,
следующие методы:
1. Методы исследования функции классического анализа
2. Методы, основанные на использовании неопределенных множителей Лагранжа
3. Вариационное исчисление
4. Динамическое программирование
5. Принцип максимума Понтрягина
6. Линейное программирование
7. Нелинейное программирование.
Как правило, нельзя рекомендовать какой-либо один метод, пригодный для решения
всех задач, встречающихся на практике. Одни методы являются, более общими, другие –
менее общими. Наконец, некоторые методы можно применять в сочетании друг с другом.
Отметим, что некоторые методы специально разработаны или наилучшим образом
подходят для решения оптимальных задач с математическими моделями определенного
типа.
Рассмотрим некоторые примеры использования вышеперечисленных методов для решения
задач оптимизации.

128
 8.2.Аналитический метод поиска экстремума на основании классического
дифференциального анализа.
В основе этого метода лежит обычное условие нахождения экстремума функции
многих переменных, а именно, обращение в нуль частных производных функции по
варьируемым параметрам в точке экстремума.
Вид экстремума для функций одной переменной определяется по виду 2-й производной.
Рассмотрим этот метод на примере нахождения оптимальной температуры для
обратимой реакции 1-го порядка
k1
A B (8.7)
k2
происходящей в реакторе идеального перемешивания при заданном времени пребывания tk,
обеспечивающей получение максимальной степени превращения хВ.
Математической моделью процесса в реакторе идеального перемешивания в стационарном
состоянии является следующая система уравнений:
v  c A0  v  c A  V r  k 1  c A  V r  k 2  c B  0
(8.8)
c c c ;
A A0 B
После подстановки 2-го уравнения в 1-е и деления обоих частей уравнения на объем
аппарата Vr, получим:

c A0
 (1  1  k 1  t k )  cB  (1  (k 1  k 2)  0;

c  k t ;
cB 
(1  (k  k )
A0 1 k
(8.9)
1 2

c k t
x   (1  (  )B 1 k

cB
k k
A0 1 2

Критерием оптимальности в данном случае будет выход конечного продукта В,

определяемый соотношением:
R=xB=cB/cA0 (8.10)
Где сА0 – начальная концентрация исходного продукта А.
Переменной управления будет температура в реакторе U=T.
Найдем производную критерия оптимальности по переменной управления и приравняем ее
нулю для нахождения оптимальных условий:
 k 1 (T )
 1  (k 1 (T )  k 2 (T ))  t k  t k  k 1 (T ) t k  k 1  t k k 2 
  (T )  (T ) 
t  
R  x B T T T 
k

    0;
u T 1  k1 (T )  k 2 (T )  tk
Для равенства нулю полученного выражения для производной необходимо, чтобы
числитель выражения был равен нулю. Раскроем скобки в числителе и приравняем его
нулю:

129
 k 1 (T )  k 1 (T )  k 1 (T )  k 1 (T )  k 2 (T )
  k 1 (T )   t k  k 2 (T ))   t k   k 1 (T ) t k   k 1 (T )  t k 0
T T T T T
После сокращения подобных членов получим следующее уравнение:
 k 1 (T )  k 1 (T )  k 2 (T )
  k 2 (T ))   t k  k 1 (T )  t k 0
T T T
или
 k 1 (T )  k 2 (T )
 (1   k 2 (T )  t k   k 1 (T )  t k ; (8.11)
T T
Учитывая, что константы скорости зависят от температуры в реакторе по уравнению
Аррениуса:
 E1  E2
k 1 (T )  k 01  e RT ; k 2 (T )  k 02  e RT ;
Найдем производные констант скорости по температуре:
 k1  E1 ( 11) E ;
 k 01  e RT  ( 1)  (  E1 / R )  T  k 1 (T )  1
T R T
2

(8.12)
 k2
 k (T )  E ;
 E3 ( 11)
 k 02  e RT  ( 1)  (  E 2 / R )  T 2
T 2
R T
2

Подставим значения производных из (8.12) в (8.11):

 k1  E1 ( 11) E
 k 01  e RT  ( 1)  (  E1 / R )  T  k 1 (T )  1
;
T R T
2

 k 1 (T )  E 1
(1   k 2 (T )  t k )  k 1 (T )  t k k 2 (T )  E 2
;
2 2
R T R T
(8.13)
k (T )  E  k (T )  t  k (T )  E  k (T )  t k
1 1 2 k 1 1 1 k 2
(T )  E 2

E (1  k (T )  t )  t k (T )  E ;
1 2 k k 2 2

Перепишем последнее уравнение (8.13) в следующем виде:

1 - E2 1
k2 (T )  ; или e RT  ; (8.14)
t k E 2 E1
( /  1) k 02 t k ( E 2 / E1  1)
После логарифмирования последнего уравнения, получим:

 E 2
  ln[k 02  t k  ( E 2 / E1  1); (8.15)
RT
Разрешая последнее уравнение относительно температуры, получим выражение для
оптимальной температуры в следующем виде:

130
 E
T опт  2
R  ln[k 02  t k  ( E 2 / E1  1)]
(8.16)

Выражение (8.16) позволяет рассчитать оптимальную температуру в реакторе идеального

перемешивания, которая обеспечит при заданном среднем времени пребывания реагентов
получение максимального выхода продукта реакции.
Однако возможности получения оптимальных условий на основе метода анализа функций
невелики. Только ограниченный круг задач может быть решен с использованием такого
подхода.

10.3. Метод неопределенных множителей Лагранжа.

Метод неопределенных множителей Лагранжа находит применение при решении задач
оптимизации, когда на выходные переменные состояния накладываются ограничения типа
равенств. Это означает, что, либо сами выходные переменные, либо их функции, должны
принять заранее заданные значения при одновременном нахождении экстремального
значения величины критерия оптимизации.
Для решения экстремальных задач с такими ограничениями в классическом анализе
разработан и используется метод неопределенных множителей Лагранжа, сводящий
задачу с ограничениями к обычной экстремальной задаче без ограничений.
Для решения такого рода задачи вводится вспомогательная функция Лагранжа, которая
определяется соотношением:

m
 ( x ,  )  R ( x )    k  ( x ) (8.17).
k
k 1

где k(x)- ограничения, наложенные на переменные состояния

С помощью функции  систему уравнений для определения оптимальных условий можно
записать в виде:
 ( x,  )
0 i  1,..., n
 xi
(8.18)
 ( x,  )
0 j  1,..., k
j
Уравнения (8.18) представляют собой условия для нахождения оптимального решения
задачи с ограничениями. Рассмотрим применение этого метода на примере.

Определение минимального реакционного объема в каскаде реакторов идеального

перемешивания.
В каскаде из трех реакторов идеального перемешивания протекает реакция первого
порядка типа
АВ.
Реакторы работают в изотермическом режиме при одной и той же температуре Т.
Константа скорости реакции в соответствии с уравнением Аррениуса
E

k  k0 e RT .
Поскольку мы принимаем, что температура во всех реакторах каскада одинакова, то
константа скорости в каждом реакторе одна и та же. Обозначим ее через k. Необходимо так
выбрать объемы отдельных реакторов Vi (i=1,2,3), чтобы при заданной производительности

131
и заданной конечной степени превращения, суммарный объем реактора был бы
минимальным.
Управляющими переменными для данной задачи будут времена пребывания реакционной
смеси в каждом реакторе каскада.

 i
V i (i=1,2,3) (8.19)
v
Где Vi – объем i-го реактора в каскаде, м3; v- объемный расход реакционной смеси через
каскад реакторов, м3/c.
Обозначим через x степень превращения исходного реагента в продукты реакции

c  cA
x
A, 0
 (8.20)
A
c A, 0
Где сА,0 – концентрация исходного реагента на входе в реактор, [кмоль/м3]; сА-
концентрация исходного реагента на выходе из реактора, [кмоль/м3].
При заданной производительности каскада реактора, минимальный суммарный объем
реактора соответствует минимальному времени контакта в каждом реакторе.
Степень превращения на выходе из каскада реакторов, как следует из уравнения
материального баланса, равна выражению:

 n
1 
 
x A, k  1   (8.21)

 i 1 (1  i  k i ) 
Для случая 3-х реакторов в каскаде, работающих в изотермических условиях, выражение
(8.21) принимает вид:
 1 
 
x А,k  (1  )  (1 
1   (8.22)
 k  1 k  2)  (1  k  3) 
Таким образом, критерий оптимизации для рассматриваемой задачи будет иметь
вид:
R  ( 1  2  3)  min ( 8.23)
При выполнении ограничения
зад  1 
f  x A, k   1  
 (1  k )  (1  k )  (1  k )  (8.24)
  1  1  1 
Запишем выражение для вспомогательной функции Лагранжа в соответствии с
уравнением (8.17):
 зад  1 
  R    f   1   2   3     x A, k   1  
 (1  k )  (1  k )  (1  k )  (8.25)
   1  1  1 
Продифференцируем функцию Ф по переменным 1, 2, 3,  и приравняем нулю
полученные производные:

132
   k
 1 0
 1
 2)  (1  k  3)  (1 k  1)
2
(1  k 
  k
 1 0
 1
 1)  (1  k  3)  (1 k  2)
2
(1  k 
(8.26)
  k
 1 0
 1
 )  (1  k  )  (1 k  3)
2
(1  k  1 2

 зад 1
 x 1 0
 (1  k  1)  (1  k  2 )  (1 k  3)
A, k

Для решения полученной системы введем обозначения:

1+k1=x, 1+k2=y, 1+k3=z , подставим эти переменные в систему (8.26) и получим
следующую систему уравнений:
2
x  yz   k  0
2
y  x z   k  0
(8.27)
2
z  yz   k  0
 x  1  x  y  z  1  0
зад
A, k
Вычтем из 1-го уравнения системы (8.27) 2-е и вынесем за скобки произведение xyz,
получим:
xyz(x-y)=0,
отсюда следует, что x=y.
Вычтем из 2-го уравнения (8.27) третье и вынесем за скобки произведение xyz, получим:
xyz(y-z)=0
отсюда следует, что y=z.
Таким образом, из первых 3-х уравнений системы (8.27) мы нашли, что x=y=z, или
1+k1=1+k2=1+k3 откуда следует, что
1=2=3 (8.28)
При постоянном объемном расходе реакционной смеси через, реакторы должны быть
равных объемов и при этом суммарный объем реакторов будет минимальным. Для
определения времени пребывания в реакторе, соответствующего оптимальным условиям
используем 4-е уравнение системы (8.27).

1
3 1 3
1  _
 _
зад
1  x A, k
 1 k   , откуда  
(8.29)
x yz  зад
1 x k

A, k

Рассмотрим численный пример использования метода множителей Лагранжа для
определения оптимальных условий, обеспечивающих использование минимального
реакторного объема для достижения заданной конечной степени превращения при
заданной производительности реакторного узла. Пусть задана производительность
реакторного узла по реакционной смеси – v= 2 м3/час. Заданная конверсия в конце каскада

133
из трех реакторов равна xA,kзад=0.936. В реакторах происходит реакция превращения
исходного реагента с константой скорости k=0.35 час-1.
В соответствии с уравнением (8.29) рассчитаем:
1
1 3 =4.2 часа. Зная объемный расход, можно рассчитать объем реактора
_
  1  0.936
k
_

V р  v  = 24.2= 8.4 м . Суммарный объем реакторного пространства будет равен

3

Vсум=8.43=25.2 м3.
Таким образом, с помощью метода множителей Лагранжа можно решать широкий
круг задач оптимизации с ограничениями типа равенств, однако, когда оптимизируемая
функция нелинейна относительно управляющих переменных, и их число велико,
получаются сложные системы нелинейных алгебраических уравнений, решение которых
затруднительно и приходится использовать методы нелинейного программирования для
решения получающихся уравнений

Принцип максимума Понтрягина.

При решении оптимальных задач с поиском оптимального управления, заданного в
виде функций с ограничениями, или использовании управляющих функций, имеющих
разрывы и точки переключения, возникают часто непреодолимые трудности при решении
их методами классического анализа или вариационного исчисления. Для решения таких
задач применяют обычно так называемый принцип максимума Понтрягина,
сформулированный и доказанный в работах академика Л.С. Понтрягина и его учеников.
(Болтянский, Гамкрелидзе и Мищенко)
Рассмотрим процесс, описываемый системой нелинейных дифференциальных
уравнений:
d x   ( , ,..., , ,..., )
dt
i
x x x u u
i 1 2 m 1 r
(8.30)

Где i=1,…,m ; m- размерность вектора состояния, r-размерность вектора управления.

Для системы уравнений типа (8.30) могут быть заданы граничные условия
( 0) ( 0) ( 0) ( 0)
x (ti
) x i
i  1,..., m или x (t ) x (8.31)
определяющие заданные значения всех или только некоторых переменных состояния хi для
двух значений независимой переменной t(0) и t(k). Состояние процесса при t=t(0) будем
называть начальным, а состояние процесса при t=t(k) конечным состоянием. Это позволяет
интерпретировать поведение процесса в фазовом пространстве переменных состояния как
переход из начального состояния х(0) в конечное состояние х(k) (рис8.2), или из начальной
области в конечную область (рис.8.3).

x(k)

x(0)

134
 Рис.8.2. Траектория процесса, с заданным начальным
и конечным состояниями

Рис.10.3. Оптимальная траектория при переходе из начальной

области в конечную область

Предположим, что критерий оптимальности задан в виде функционала

(k )
t
I   ( x , u )  dt
( 0)
0
(8.32).
t
где 0(x,u) – заданная функция переменных состояния и управления. Начальное и конечное
состояния могут быть не заданы и подлежат определению в процессе решения
оптимальной задачи.
Рассмотрим формулировку принципа максимума на примере задачи о быстродействии. В
этой задаче необходимо так выбрать управляющие воздействия, чтобы перевести процесс
из начального состояния в конечное за минимальное время.
Как было показано Л.С. Понтрягиным и его учениками, если ввести Гамильтониан Н и
вспомогательные переменные (t), связанные с переменными состояния и уравнениями
движения следующим образом:

m
H   ( x1 ,..., x m , u1 ,..., u r )  (t ) (8.33)
i i
i 1

d H d xi H
i
  (8.34)
dt  xi dt 
i
Анализ полной производной от функции Н по независимой переменной t имеет вид:

dH H dψ H dx H du
      (8.35)
dt ψ dt x dt u dt

135
Принимая во внимание соотношения (8.34), получаем
dH H du
  (8.36)
dt u dt
Как было показано, если оптимальное значение вектора управления uопт. находится внутри
допустимой области управления U, то максимальное значение функции Н соответствует
точке экстремума этой функции, для которой выполняется условие
H H
 0 или в обычной записи  0 , j  1,..., r (8.37)
u u j
Если же оптимальное управление находится на границе области управления U, заданной
системой неравенств
aj uj bj j=1,…, r (8.38)
то выполняется условие
du
 0 (8.39)
dt
В любом из отмеченных случаев полная производная по t от функции Н, определяемая
соотношением (8.36) равна нулю. Это значит, что функция Н на оптимальной траектории
имеет постоянное значение.
Итак, принцип максимума утверждает, что если управляемый процесс описывается
системой дифференциальных уравнений, при использовании оптимального управления uопт.
(t) процесс переводится из начального состояния в конечное за минимально возможное
время и функция Н принимает на оптимальной траектории максимально возможное
значение, т.е.
H [ψ(t ), x(t ), uопт. (t )]  max [ψ(t ), x(t ), u (t )] (8.40).
uU
При этом, как было показано, это значение постоянно и неотрицательно вдоль всей
траектории процесса
(k ) (k ) (k )
H [ ψ(t ), x (t ), uопт. (t )]  H [ ψ(t ), x (t ), uопт. (t )]  0 (8.41).

В приведенной формулировке не содержится никаких сведений о том, будут ли вообще

существовать оптимальное управление и оптимальная траектория и как их найти. Тем
самым принцип максимума в данной формулировке представляет собой лишь необходимое
условие оптимальности. Однако, как было показано, при соблюдении некоторых
добавочных ограничений на оптимизируемый процесс, которые легко выполняются при
решении практических задач, принцип максимума является и достаточным условием
оптимальности. Таким образом, если оптимальное управление с помощью соотношения
(8.36) найдено, оно является действительно оптимальным и никакой дополнительной
проверки не требуется.
Таким образом, для поиска оптимального управления необходимо решать систему
дифференциальных уравнений для переменных состояния xi (t) и вспомогательных
переменных i(t). Если размерность системы m, то для ее решения необходимо задать 2m
граничных условий. В задаче о быстродействии, когда для всех переменных заданы
значения в начальной точке при x(t(0)) и в конце интервала интегрирования x(t(k)), для
решения оптимальной задачи нужно решать краевую задачу – необходимо подбирать
неизвестные начальные условия для вспомогательных переменных (t(0)) так, чтобы
выполнялись заданные граничные условия для основных переменных x(t(k)).
Если не все переменные заданы в конце интервала интегрирования, то тогда из условия
трансверсальности для соответствующих вспомогательных переменных будут заданы
граничные условия в виде нулевых значений.

136
 Таким образом, в общем случае граничные условия для решения оптимальной
задачи имеют следующий вид:

xi(t(0))=xi(0) i=1,…,m
xi(t(k))=xi(k) i=1,…,p (8.42)
i(t )=qi i=1,…, p
(k)

i(t(k))=0 i=p+1,…, m
где qi – некоторые произвольные постоянные, задаваемые в зависимости от постановки
оптимальной задачи.

Рассмотрим применение принципа максимума Понтрягина на примере определения

оптимального температурного профиля для реактора идеального вытеснения, в котором
протекают последовательные реакции типа
k1 k2
A B  C
Где А - исходный реагент, Р – целевой продукт, Q- побочный продукт,
 E1  E2 - константы скорости основной и побочной
k  k e
1 01 R гT k  k e
2 02 R гT
реакций.
Обозначим через х1 – концентрацию исходного реагента, а через х2 – концентрацию
целевого продукта. Тогда уравнения математической модели будут иметь вид:
d x1
  k 1 (T )  x1
dt
d x2
 k 1 (T )  x1  k 2 (T )  x2 ; T  T(t) (8.43)
dt
( 0) ( 0) ( 0)
Начальные условия x1 (t )  x1 ; x (t
2
)0
(k ) (k )
Конечное состояние x1 (t )  не определено; x 2 (t )  max

Запишем выражение для Гамильтониана и вспомогательных переменных для поставленной

оптимальной задачи:
H    k 1 (T )  x1   k 1 (T )  x1   k 2 (T )  x 2
1 2 2

d H
1
  (  )  k 1 (T )
dt  x1 1 2

(8.44)
d H
2
   k 2 (T )
dt  x2 2

Граничные условия : (t )  0,  (t
(k ) (k )
) 1
1 2

137
Таким образом, для решения оптимальной задачи необходимо решать систему
дифференциальных уравнений (8.43) и (8.44), образующих краевую задачу, поскольку
граничные условия заданы на разных концах интервала интегрирования, т.е. необходимо
подбирать начальные условия для вспомогательных переменных таким образом, чтобы
выполнялись заданные конечны условия для этих переменных. При этом на каждом шаге
интегрирования определять оптимальное значение температуры из допустимой области
температур:
Tmin T(t) Tmax (8.45)

Для данной постановки оптимальной задачи можно получить аналитическое выражение

для оптимальной температуры, если взять производную от функции Н по температуре и
приравнять ее нулю:
H  k 1
 x1  (  )  k 2  x 2   0


T T 2 1 T 2

 ki
 k i (T )  E i 2 ; i  1,2
T R T г

(T )  E1  (  )  k (T )  E  x 
(8.46)
k1  x 2
0
R г T 2
1 2 2 2
2
R T
1
г
2

k 1(T ) E1  x  (  )  k (T )  E  x   0
1 2 1 2 2 2 2

k 1(T ) E1  x  (  )  k (T )  E  x 
1 2 1 2 2 2 2
После логарифмирования и разрешения полученного равенства относительно температуры
найдем следующее выражение для оптимальной температуры:

E E
T опт. (t )  1 2

 E  k  x  (  )  (8.47)
R  ln  
1 01 1 2 1

 E k x 
г
   
2 02  2 2
При вычислении оптимальной температуры с использованием (8.47) возникают трудности
при вычислении температуры в начальный момент времени, когда х 2=0. Но эту трудность
легко преодолеть, подставляя в начальный момент времени в качестве температуры Т min.
При интегрировании полученной системы уравнений на каждом шаге интегрирования
полученное по уравнению значение оптимальной температуры проверяется на
принадлежность заданной области допустимых управлений путем проверки неравенства
(8.45). Если оптимальная температура, вычисленная по уравнению (8.47) выходит за
пределы допустимой области, то в качестве текущего значения оптимальной температуры
принимается Тmin или Tmax, в зависимости от того, какую границу нарушило вычисленное
значение температуры. Если число управляющих переменных более одного, или решение
уравнения H/ T не допускает аналитического выражения для оптимального управления,
применяются методы нелинейного программирования для определения управления,
обеспечивающего максимальное значение Гамильтониана Н.

138
139