روش هاي رونوشت مستقيم موضعي براي حل مسايل كنترل بهينه و كاهش زمان حل مسايل

مساله كنترل بهينه با روش هاي رونوشت مستقيم موضعي به سادگي به يك مساله برنامه ريزي غيرخطي (NLP) تبديل مي شود. عموما اينNLP با روش هاي عددي بهينه سازي حل مي شود. همان گونه كه مي دانيم، روش هاي عددي بهينه سازي مشتق محور مي باشند. يعني از گراديان تابع هدف و ژاكوبين و حتي هسيان توابع قيوداستفاده مي كنند. البته در مواردي كه كاربر اين مشتق ها را فراهم نكند، آن گاه از فرمول هاي عددي براي تقريب گراديان و هسيان استفاده مي شود. در مواردي كه اين مشتق ها را تهيه و در اختيار سالور قرار دهيم، آنگاه چنين ارزيابي هايي از تابع هدف و توابع قيود كاهش مي يابد. حال در مواردي كه ارزيابي توابع هدف و قيود زمان بر باشد، آنگاه فراهم كردن مشتق توابع هدف و قيود تاثير چشمگيري در زمان حلNLP مي گذارد. در اين مقاله به استخراج گراديان تابع هدف و ژاكوبين قيودNLP حاصل از اعمال روش رونوشت مستقيم موضعي مي پردازيم و اين مشتقات را در اختيارسالورNLP قرار مي دهيم. در نهايت تاثير اين كار در كاهش زمان حل،NLP با حل يك مثال نشان داده مي شود.