分数阶泰勒小波方法用于有效求解具有记忆依赖动力学的最优控制问题

《Franklin Open》：A fractional-order Taylor wavelet approach for efficient solution of optimal control problems with memory-dependent dynamics

　　

这项研究利用分数阶泰勒小波（FOTWs）研究了涉及分数阶动力学的最优控制问题的动力学行为。在所提出的方法中，研究人员采用Caputo分数阶导数（Caputo fractional derivative）与Riemann-Liouville分数阶积分（Riemann–Liouville fractional integral）来有效处理此类复杂控制问题，使得对遗传和记忆特征的描述比传统最优控制模型更加准确。该方法的一个关键特征是使用FOTWs来近似控制变量和状态变量。在这项工作中，研究人员利用约束极值方法将所考虑的模型转化为一组代数方程，其中性能指标通过拉格朗日乘子（Lagrange Multipliers）与约束方程相连接。此外，研究人员给出了收敛性分析，为该方法的可靠性和有效性提供了可信度。为了展示分数阶导数的意义，以表格和图形形式报告了数值结果。为了建立所提方法的准确性和适用性，将性能指标、状态变量和控制变量的近似误差与相应的可用解析解和现有方案进行了比较。此外，研究人员研究了几种测试问题以强调该方案的准确性，并展示其作为求解分数阶最优控制问题的可靠且稳健工具的潜力。

**分数阶泰勒小波方法在记忆依赖动力学最优控制问题中的高效求解——论文解读**

**1. 研究背景与动机**

分数阶微积分（fractional calculus）在应用科学、工程、生物医学等领域展现出比整数阶模型更精确的建模能力，尤其适用于描述具有记忆和遗传效应的复杂系统。分数阶最优控制问题（FOCPs）作为分数阶微分方程（FDEs）的重要应用分支，在电机控制、记忆材料、热传导、气体扩散等过程中扮演关键角色。然而，由于FOCPs的动力学约束涉及分数阶导数，多数问题缺乏解析解，迫使研究人员发展高效数值方法。现有数值方案包括直接离散法（将状态和控制参数离散化为非线性问题）和间接法（通过变分法导出边界条件），但两者常面临计算复杂度高或需要构造复杂运算矩阵的挑战。近年来，小波（wavelet）因其在非光滑信号逼近中的优势被引入FOCPs求解，但现有小波方法（如Legendre、Chebyshev、Bessel小波等）仍需构造较大的运算矩阵，限制了计算效率。为此，研究人员提出一种基于分数阶泰勒小波（Fractional-order Taylor Wavelets, FOTWs）的全新计算方案，旨在以更少的基函数获得更高精度的近似，同时避免运算矩阵的额外开销。该研究论文发表在《Franklin Open》上。

**2. 主要关键技术方法**

该研究的核心方法包括：① 引入分数阶泰勒小波（FOTWs）作为基函数，通过参数θ^θ（分数阶缩放参数）使基函数自然嵌入分数阶行为，从而直接计算Caputo分数阶导数（Caputo fractional derivative）和Riemann-Liouville分数阶积分（Riemann–Liouville fractional integral），无需构建运算矩阵。② 将状态变量X(ρ)和控制变量U(ρ)用FOTWs展开为截断级数，未知系数由优化确定。③ 采用约束极值方法，通过拉格朗日乘子（Lagrange Multipliers）将性能指标与分数阶动力学约束耦合，转化为关于未知系数的代数系统，并使用标准迭代法求解。④ 基于Sobolev空间和Lipschitz条件进行了收敛性分析，证明近似解在L²范数下随基函数数目增加收敛。数值积分采用Gauss-Legendre求积规则。所有数值实验在Wolfram Mathematica平台上完成，硬件为Intel Core i5-8250U处理器和8GB RAM计算机。

**3. 研究结果**

研究通过5个具有解析解的测试问题系统评估了方法的准确性、收敛性和鲁棒性，并与多种现有小波方法进行比较。

**Example 1**（初始条件型FOCP）：通过改变分数阶α、缩放参数θ和基函数数m?，计算状态变量X(ρ)和控制变量U(ρ)的绝对误差（AEs）。结果表明，在m?=4（k=1, M=4）时，AEs已达10^-15量级，远优于Legendre小波法（LWA）、Chebyshev小波法（CWA）和变分迭代法（VIA）的10^-3至10^-5量级。性能指标J接近零（如10^-28），验证了方法的高精度。随着m?增加，误差呈指数衰减（如Fig.4所示），证实了收敛性。不同θ值（0.5,1,1.5）显示缩放参数可显著影响适应性。

**Example 2**（另一初始条件型FOCP）：在相同参数设置下，状态和控制变量的AEs仍维持在10^-15量级，J接近零，与混合Chelyshkov函数方案（10^-6至10^-9）相比精度提升显著。误差分布图显示整个区间[0,1)上误差均匀，且随m?增加迅速下降。不同α值（0.5,0.7,0.9,1）下的结果进一步证实了方法对分数阶参数的鲁棒性。

**Example 3**（边界条件型FOCP）：考虑含边界条件X(0)和X(1)的FOCP。与Bessel小波法（BWA）、Chebyshev小波法（CWA）和Bernoulli多项式法（BPA）比较，所提方法在m?=5时状态变量AEs达10^-16量级，控制变量AEs达10^-14量级，而对比方法的误差在10^-5至10^-8之间。性能指标J接近10^-28，远优于对比方法的10^-8至10^-9。误差随m?增加（5→8）明显衰减（如Fig.11），且缩放参数θ=1.5比θ=1得到更小的误差，表明θ可优化逼近效果。

**Example 4**（另一边界条件型FOCP）：状态变量和控制变量的AEs在m?=5时达10^-15量级，性能指标J接近10^-28，优于BWA（误差10^-12量级）、BPA（10^-8）和Bernstein小波法（10^-11）。当α接近1时，近似解更接近解析解（α=1时误差最小）。不同θ值下的误差分布表明，缩放参数可提高求解精度。

**Example 5**（初始条件型FOCP，α=1时有已知解析解）：通过改变分辨率参数k（k=2,3）和多项式次数M，比较了不同基函数组合下的精度。在k=2、M=5（m?=10）时，状态变量AEs达10^-8量级，控制变量AEs达10^-6量级，优于Bernoulli小波法和Legendre小波法（后者需m?=40才能达到相近精度）。性能指标J的绝对误差随k增加迅速下降（如m?=8时误差10^-12）。误差图显示更高k（即更细的子区间划分）导致更快收敛。

**4. 讨论与结论**

研究充分表明，基于FOTWs的方法在求解FOCPs时具有高精度、强鲁棒性和低计算成本的优势。通过约束极值法和拉格朗日乘子将原问题转化为代数系统，并利用FOTWs直接计算分数阶导数和积分而无需运算矩阵，显著降低了计算复杂度。收敛性分析从理论上保证了近似解在Sobolev空间中的误差上界，数值实验与理论一致。与现有Chebyshev、Legendre、Bessel、Bernstein和Bernoulli小波方法相比，该方法以更少的基函数达到了相当或更优的收敛速率。

**研究结论翻译**：
本研究探讨了一种基于FOTWs的FOCPs数值模拟方法，突出了该方法的实用性和有效性。分析表明，分数阶微积分中的小波方法已成为处理复杂分数阶系统的高效工具。此外，FOTWs具有适应性并能识别复杂的时间特征，因此非常适合FOCPs，并作为近似的基函数。所考虑的模型通过约束极值方法转化为代数系统，该方法通过使用拉格朗日乘子将约束方程与成本函数结合，从而获得控制模型的最优参数。因此，这证明了所提出的FOTWs工具在求解FOCPs中的有效性。所提方法给出了可接受的结果，与现有方法相比，以非常少的基函数突出了其有效性。此外，FOTWs的积分形式为优化由分数阶动力学控制的系统提供了方便有效的工具。与基于Chebyshev、Legendre、Bessel、Bernstein和Bernoulli小波的方法相比，所提出的FOTWs方法在消除运算矩阵构造需要的同时，取得了相当或更好的收敛速度。然而，当前分析仅限于具有足够光滑解和Caputo型分数阶导数的问题。扩展到非光滑系统、变阶导数和约束多状态FOCPs将在未来工作中考虑。