Optimización de trayectoria
Minimice sujeto a
.
Este ejemplo demuestra cómo un problema variacional puede ser discretizado a un problema de optimización finito resuelto eficientemente mediante métodos convexos, tales como QuadraticOptimization.
El problema variacional será aproximado discretizando el problema de valor límite y usando la regla trapezoidal para integrar en una retícula espaciada uniformemente en el intervalo [0,1], con
.

Permita que la variable u[i] represente y x[i] represente
para
.

La restricción de la ecuación diferencial es fácilmente representada usando aproximaciones de diferencia de segundo orden centradas para desde 1 a
.

En el límite, las condiciones de derivación cero permiten el uso de puntos ficticios y
. Cuando
y
, la fórmula de diferencia de segundo orden para la primera derivada
es cero para
y
. Entonces, en el límite, use lo siguiente.


La regla trapezoidal para es proporcionada por lo siguiente.

Dado que la expresión de la regla trapezoidal es cuadrática y todas las restricciones son de igualdad lineal, el mínimo de la integral discretizada puede ser encontrado usando QuadraticOptimization directamente.

Las funciones aproximadas son construidas con Interpolation.



Una solución analítica exacta, , es conocida para este problema, así que es posible graficar el error en la discretización.



El error asintótico es aproximadamente , así que al duplicar
a 200 y recalcular, el error será alrededor de 1/4 de lo que se muestra aquí.
La solución analítica puede ser encontrada considerando una familia de curvas donde
es un parámetro. Esta curva paramétrica cumple con las condiciones de límite prescritas
. Dado que
, se puede encontrar un parámetro óptimo
que minimice
.

El valor óptimo de está en 2, que es el resultado analítico
.



