Contributions en théorie du contrôle échantillonné optimal avec contraintes d’état et données non lisses

Contributions in optimal sampled-data control theory with state constraintsand nonsmooth data

• Auteur / Autrice : Gaurav Dhar
• Direction : Samir Adly, Loïc Bourdin
• Type : Thèse de doctorat
• Discipline(s) : Mathematiques et applications
• Date : Soutenance le 17/11/2020
• Etablissement(s) : Limoges
• Ecole(s) doctorale(s) : École doctorale Sciences et Ingénierie des Systèmes, Mathématiques, Informatique (Limoges ; 2018-2022)
• Partenaire(s) de recherche : Laboratoire : XLIM
• Jury : Président / Présidente : Térence Bayen
• Jury : Examinateurs / Examinatrices : Samir Adly, Loïc Bourdin, Olivier Cots, Francisco Silva
• Jury : Rapporteurs / Rapporteuses : Piernicola Bettiol

Mots clés

Mots clés contrôlés

Optimisation mathématique

Systèmes hamiltoniens

Principes variationnels

Commande, Théorie de la

Mots clés libres

Contrôle optimal

Contrôle échantillonné

Principe du maximum de Pontryagin

Principe variation-nel d’Ekeland

Temps d’échantillonnage optimaux

Continuité de la fonction Hamiltonienne

Contraintes d’état

Problèmes de Cauchy-Stieltjes

Analyse non lisse

Méthodes numériques indirectes

Méthodes de tir

Optimal control

Sampled-data control

Pontryagin maximum principle

Ekeland variational principle,

Optimal sampling times

Hamiltonian continuity

Running state constraints

Cauchy-Stieltjes problems

Nonsmooth analysis

Indirect numerical methods

Shooting methods

Résumé

L’objectif de cette thèse est d’obtenir des conditions nécessaires d’optimalité du premier ordre sous la forme d’un principe du maximum de Pontryagin (en abrégé PMP) pour des problèmes de contrôle échantillonné optimal avec temps d’échantillonnage libres, contraintes d’état et coûts de Mayer non lisses. Le Chapitre 1 est consacré aux notations et espaces fonctionnels utiles pour décrire les problèmes de contrôle échantillonné optimal qui seront rencontrés dans le manuscrit. Dans le Chapitre 2, nous obtenons une condition nécessaire d’optimalité lorsque les temps d’échantillonnage peuvent être choisis librement qui est appelée condition de continuité de la fonction Hamiltonienne. Rappelons que la fonction Hamiltonienne qui décrit l’évolution du Hamiltonien avec les valeurs de la trajectoire optimale et du contrôle échantillonné optimal est, en général, discontinue quand les temps d’échantillonnage sont fixés. Notre résultat démontre que la continuité de la fonction Hamiltonienne est retrouvée pour les contrôles échantillonnés optimaux avec temps d’échantillonnage optimaux. Pour terminer, nous implémentons une méthode de tir basée sur la condition de continuité de la fonction Hamiltonienne pour déterminer numériquement les temps d’échantillonnage optimaux dans deux exemples linéaires-quadratiques. Dans le Chapitre 3, nous obtenons un PMP pour des problèmes de contrôle échantillonné optimal avec contraintes d’état. Nous obtenons que les vecteurs adjoints sont solutions de problèmes de Cauchy-Stieltjes définis par des mesures de Borel associées à des fonctions à variation bornée. De plus, nous trouvons que, sous quelques hypothèses assez générales, toute trajectoire admissible (associée à un contrôle échantillonné) rebondit nécessairement sur les contraintes d’état. Nous exploitons ce phénomène de trajectoires rebondissantes pour implémenter une méthode indirecte qu’on utilise pour résoudre numériquement quelques exemples simples de problèmes de contrôle échantillonné optimal avec contraintes d’état. Dans le Chapitre 4, nous obtenons un PMP pour des problèmes de contrôle échantillonné optimal avec coûts de Mayer non lisses. Notre preuve est uniquement basée sur les outils de l’analyse non lisse et n’utilise aucune technique de régularisation. Nous déterminons l’existence d’une sélection dans le sous-différentiel de la fonction de coût de Mayer non lisse en établissant un résultat plus général sur l’existence d’un vecteur séparant universel pour les ensembles convexes compacts. En appliquant ce résultat, appelé théorème de vecteur séparant universel, nous obtenons un PMP pour des problèmes de contrôle échantillonné optimal avec coûts de Mayer non lisses où la condition de transversalité sur le vecteur adjoint est donnée par une inclusion dans le sous-différentiel de la fonction de coût de Mayer non lisse. Pour obtenir les conditions d’optimalité sous la forme d’un PMP, nous utilisons différentes techniques de perturbation sur le contrôle optimal. Pour traiter les contraintes d’état, nous pénalisons la distance à ces contraintes dans une fonctionnelle et nous appliquons le principe variationnel d’Ekeland. En particulier, nous invoquons des résultats sur la renormalisation des espaces de Banach pour assurer la régularité de la fonction distance dans les contextes de dimension infinie. Enfin nous utilisons des notions standards de l’analyse non lisse, telles que les dérivées directionnelles généralisées de Clarke et le sous-différentiel de Clarke, pour étudier les problèmes de contrôle échantillonné optimal avec coûts de Mayer non lisses.

This dissertation is concerned with first-order necessary optimality conditions in the form of a Pontryagin maximum principle (in short, PMP) for optimal sampled-data control problems with free sampling times, running inequality state constraints and nonsmooth Mayer cost functions.Chapter 1 is devoted to notations and basic framework needed to describe the optimal sampled-data control problems to be encountered in the manuscript. In Chapter 2, considering that the sampling times can be freely chosen, we obtain an additional necessary optimality condition in the PMP called the Hamiltonian continuity condition. Recall that the Hamiltonian function, which describes the evolution of the Hamiltonian taking values of the optimal trajectory and of theoptimal sampled-data control, is in general discontinuous when the sampling times are fixed. Our result proves that the continuity of the Hamiltonian function is recovered in the case of optimal sampled-data controls with optimal sampling times. Finally we implement a shooting method based on the Hamiltonian continuity condition in order to numerically determine the optimal sampling times in two linear-quadratic examples.In Chapter 3, we obtain a PMP for optimal sampled-data control problems with running inequality state constraints. In particular we obtain that the adjoint vectors are solutions to Cauchy-Stieltjes problems defined by Borel measures associated to functions of bounded variation. Moreover, we find that, under certain general hypotheses, any admissible trajectory (associated to a sampled-data control) necessarily bounces on the runningine quality state constraints. Taking advantage of this bouncing trajectory phenomen on, we are able to use thePMP to implement an indirect numerical method which we use to numerically solve some simple examples of optimal sampled-data control problems with running inequality state constraints. In Chapter 4, we obtain a PMP for optimal sampled-data control problems with nonsmooth Mayer cost functions. Our proof directly follows from the tools of nonsmooth analysis and does not involve any regularization technique. We determine the existence of a selection in the subdifferential of the nonsmooth Mayer cost function by establishing a more general result asserting the existence a universal separating vector for a given compact convex set. From the application of this result, which is called universal separating vector theorem, we obtain a PMP for optimal sampled-data control problems with nonsmooth Mayer cost functions where the transversality conditon on the adjoint vector is given by an inclusion in the subdifferential of the nonsmooth Mayer cost function.To obtain the optimality conditions in the form of a PMP, we use different techniques of perturbations of theoptimal control. In order to handle the state constraints, we penalize the distance to them in a corresponding cost functional and then apply the Ekeland variational principle. In particular, we invoke some results on renorming Banach spaces in order to ensure the regularity of distance functions in the infinite-dimensional context. Finally we use standard notions in nonsmooth analysis such as the Clarke generalized directional derivative and theClarke subdifferential to study optimal sampled-data control problems with nonsmooth Mayer cost functions.