講義ノート：有界制御を伴う連続時間および多変数制御の技術的要約

1. 問題設定 (Problem)

本ノートは、制御入力に物理的・技術的・生物学的な制約（箱制約、Box Constraints）が存在する最適制御問題の第一階理論を扱っています。
具体的には、以下の形式の Bolza 問題が対象です。

• 目的関数: $J(u) = \int_{t_0}^{t_1} f(t, x(t), u(t)) dt + \phi(x(t_1))$ の最大化（または最小化）。
• 状態方程式: $\dot{x}(t) = g(t, x(t), u(t))$, $x(t_0) = x_0$.
• 制御制約: $u(t) \in U \subset \mathbb{R}^m$。ここで $U$ は箱型集合 $[a_1, b_1] \times \cdots \times [a_m, b_m]$ であり、制御入力が任意の実数値をとり得るのではなく、特定の範囲に制限されています。

この制約下において、従来の「制約なしの最適化条件を解き、後で解をクリップ（切り捨て）する」というアプローチがなぜ誤りであり、どのように正しく定式化すべきかを論じています。

2. 手法と理論的枠組み (Methodology)

2.1 制約付きポントリャーギンの最大原理 (Constrained Pontryagin's Principle)

制約のない場合の停留条件（$\partial H / \partial u = 0$）は、制約が存在する場合には一般に成立しません。代わりに、ハミルトニアン $H$ を点ごとに許容制御集合 $U$ 上で最大化（または最小化）するという条件が用いられます。
$$u^*(t) \in \arg \max_{v \in U} H(t, x^*(t), v, \lambda^*(t))$$
ここで、$\lambda(t)$ は随伴変数（コスト状態）です。

2.2 スカラー制御と相補性条件

制御 $u$ がスカラーで区間 $[a, b]$ に制約され、$H$ が $u$ について微分可能である場合、最適制御 $u^*$ は以下の符号条件（相補性条件）を満たします。

• $H_u < 0 \implies u^* = a$ （下限で飽和）
• $H_u = 0 \implies a \leq u^* \leq b$ （内部解）
• $H_u > 0 \implies u^* = b$ （上限で飽和）

2.3 二次ハミルトニアンの射影公式 (Projection Formula)

生物モデルや経済モデルなどで頻出する、$u$ について厳密に凹（または凸）な二次関数のハミルトニアン（例：$H = \Psi + \beta u - \frac{\rho}{2}u^2$）の場合、制約付き最適解は、制約なしの最適解 $\tilde{u}$ を許容区間に射影（クランプ）した形で厳密に得られます。
$$u^*(t) = \text{clamp}_{[a,b]}(\tilde{u}(t)) = \min\{b, \max\{a, \tilde{u}(t)\}\}$$
これは単なる数値的な修正ではなく、ハミルトニアンの点ごとの最適化の厳密な結果です。

2.4 バン・バン構造とスイッチング関数

ハミルトニアンが制御について線形（アフィン）な場合（$H = \Psi + \sigma(t)u$）、最適制御は「バン・バン制御」となり、スイッチング関数 $\sigma(t)$ の符号に応じて制御が上限または下限のいずれかにジャンプします。$\sigma(t)=0$ となる区間（特異弧）では、高階の最適性条件が必要となります。

2.5 数値解法：前方 - 後方掃引法 (Forward-Backward Sweep Method)

制約付き問題の数値解法として、以下の手順が推奨されます。

1. 前方: 状態方程式を現在の制御で積分。
2. 後方: 随伴方程式を境界条件から積分。
3. 更新: 得られた状態と随伴変数を用いて、ハミルトニアンの最大化条件（射影公式など）に基づき制御を更新する。
   重要点: 制約は各反復ステップの「制御更新」段階で厳密に適用されなければなりません。制約なしの解を計算した後でクリップする（Post-hoc truncation）ことは、状態と随伴変数の結合構造を無視するため、一般的に誤った解になります。

2.6 多変数・高次微分方程式への拡張

• 多状態・多制御: 状態変数 $x \in \mathbb{R}^n$、制御 $u \in \mathbb{R}^m$ の場合、各成分ごとにハミルトニアンの偏微分条件が適用されます。箱制約の場合は各成分ごとに独立して射影が行われます。
• 等周制約: 積分制約（例：総燃料量）は、補助状態変数 $z(t) = \int h(t, x, u) dt$ を導入することで、終端条件 $z(t_1)=B$ を伴う通常の多状態問題に変換できます。
• 高次微分方程式: $n$ 階微分方程式は、$n$ 個の状態変数を持つ 1 階連立微分方程式系に変換することで、ポントリャーギンの原理を適用可能にします。

3. 主要な貢献と結果 (Key Contributions & Results)

1. 「後からのクリップ」の誤謬の明確化:
   制約付き最適制御において、制約なしの解を計算した後で制約範囲に収める手法（Post-hoc truncation）が、最適解を与えないことを理論的に説明しました。制約は最適性システム（状態・随伴・制御の結合系）の内部で処理されるべきです。

2. 射影公式の厳密な定式化:
   二次コスト関数を持つ問題において、制約付き最適制御が「制約なしの最適制御の射影」として厳密に得られることを示し、これが数値アルゴリズム（FBSM）における制御更新ステップの数学的根拠であることを明確にしました。

3. 多変数・多制約問題の体系的な整理:
   単一変数の例から、多変数システム、等周制約、高次微分方程式を含む一般化された枠組みを提供しました。特に、等周制約を補助状態変数を用いて変換する手法は、実用的な応用（生物モデル、資源管理など）において重要です。

4. 数値実装への指針:
   前方 - 後方掃引法において、制約をどのように実装すべきか（各イテレーションでの射影）について具体的な指針を示しました。

4. 意義と重要性 (Significance)

• 学術的厳密性: 応用数学や制御工学の分野で、制約付き最適制御を扱う際によく見られる誤ったアプローチ（後処理によるクリップ）を正し、ポントリャーギンの最大原理の正しい適用方法を理論的に裏付けています。
• 実用性: 生物学（薬物投与量制御）、疫学（隔離・ワクチン接種）、工学（アクチュエータの飽和）など、制御入力に物理的限界がある実世界のモデルにおいて、正確な最適制御則を導出するための基礎を提供します。
• 教育価値: 博士課程レベルの学生向けに、変分法、随伴系、非線形解析の基礎知識を前提としつつ、箱制約の扱いから多変数 LQR、特異弧への言及までを体系的に解説しており、高度な最適制御理論の学習リソースとして価値があります。

総じて、本ノートは「制約が最適性条件の構造そのものを変える」という核心的なメッセージを伝え、理論的な正しさと数値的実装の両面から、有界制御問題に対する堅牢なアプローチを提示しています。