标签：飞机 frac 非线性 beta ij np theta 规划
非线性规划
飞行管理问题
在约 10，000m 高空的某边长 160km 的正方形区域内，经常有若干架飞机作水平
飞行。区域内每架飞机的位置和速度向量均由计算机记录其数据，以便进行飞行管理。
当一架欲进入该区域的飞机到达区域边缘时，记录其数据后，要立即计算并判断是否会
与区域内的飞机发生碰撞。如果会碰撞，则应计算如何调整各架（包括新进入的）飞机
飞行的方向角，以避免碰撞。现假定条件如下：
1）不碰撞的标准为任意两架飞机的距离大于 8km;
2）飞机飞行方向角调整的幅度不应超过 30 度；
3）所有飞机飞行速度均为每小时 800km;
4）进入该区域的飞机在到达区域边缘时，与区域内飞机的距离应在 60km 以上；
5）最多需考虑 6 架飞机；
6）不必考虑飞机离开此区域后的状况。
请你对这个避免碰撞的飞行管理问题建立数学模型，列出计算步骤，对以下数据进
行计算（方向角误差不超过 0.01 度），要求飞机飞行方向角调整的幅度尽量小。
设该区域 4 个顶点的座标为(0,0)，(160,0)，(160,160)，(0,160)。记录数据见表 1。
表1
| 飞机编号 | 横坐标\(\, x\) | 纵坐标\(\, y\) | 方向角（度） |
|---|---|---|---|
| 1 | 150 | 140 | 243 |
| 2 | 85 | 85 | 223 |
| 3 | 150 | 155 | 220 |
| 4 | 145 | 50 | 159 |
| 5 | 130 | 150 | 230 |
| 新进入 | 0 | 0 | 52 |
注：方向角指飞行方向与\(x\)轴正向的夹角
为了方便以后的讨论，引进如下记号：
\(D\)为飞行管理区域的边长
\(\Omega\)为飞行管理区域，取直角坐标系使其为\([0,D]\times[0,D]\)
\(a\)为飞机飞行速度，\(a=800km/h\)
\((x_i^0,y_i^0)\)为第\(i\)架飞机的初始位置
\((x_i(t),y_i(t))\)为第\(i\)架飞机在\(t\)时刻的位置
\(\theta_i^0\)为第\(i\)架飞机的的原飞行角度，即飞行方向与\(x\)轴夹角，\(0\le\theta_i^0<2\pi\)
\(\Delta\theta_i\)为第\(i\)架飞机的方向角调整，\(-\frac\pi6\le\Delta\theta_i\le\frac\pi6\)
\(\theta_i=\theta_i^0+\Delta\theta_i\)为第\(i\)架飞机调整后的飞行方向角
根据相对运动观点在考察两架飞机\(i\)和\(j\)的飞行时，可以将飞机\(i\)视为不动，而飞机\(j\)以相对速度
\[v_{ij}=v_j-v_i=(a\cos\theta_j=a\cos\theta_i,a\sin\theta_j-a\sin\theta_i) \\=a(-2\sin\frac{\theta_j+\theta_j}2\sin\frac{\theta_j-\theta_i}2,2\cos\frac{\theta_j+\theta_j}2\sin\frac{\theta_j-\theta_i}2) \\=2a\sin\frac{\theta_j-\theta_i}2(\cos(\frac{\theta_j+\theta_j}2+\frac\pi2),\sin(\frac{\theta_j+\theta_j}2+\frac\pi2)) \]不妨设\(\theta_j\ge\theta_i\)，此时相对飞行方向角为\(\beta_{ij}=\frac\pi2+\frac{\theta_i+\theta_j}2\)
由于两架飞机的初始距离为
图1
$$
r_{ij}(0)=\sqrt{(x_i^0-x_j^0)^2+(y_i^0-y_j^0)^2}\\
\alpha_{ij}^0=\arcsin\frac8{r_{ij}(0)}
$$
只要相对飞行方向角满足
\[\alpha_{ij}^0<\beta_{ij}<2\pi-\alpha_{ij}^0 \]时，两架飞机不能碰撞
记\(\beta_{ij}^0\)为调整前第\(j\)架飞机相对于第\(i\)架飞机的相对速度与这两架飞机连线（从\(j\)指向\(i\)的矢量）的夹角（以连线矢量为基准，逆时针方向为正，顺时针方向为负），两架飞机不碰撞的条件为
\[|\beta_{ij}^0+\frac12(\Delta\theta_i+\Delta\theta_j)|>\alpha_{ij}^0 \]其中
\[\beta_{mn}^0=相对速度v_{mn}的辐角-从n指向m的连线矢量的辐角\\ =\arg\frac{e^{i\theta_n}-e^{i\theta_m}}{(x_m+iy_m)-(x_n+iy_n)} \]\(i\)是虚数单位，这里利用复数的辐角，来计算角度\(\beta_{mn}^0\,(m,n=1,2,\cdots,6)\)
本问题中的优化目标可以有不同的形式：如是所有飞机的最大调节量最小；所有飞机的调整量绝对值之和最小等。这里以所有飞机的调整量绝对值之和为目标函数，可以得到如下的数学规划模型：
\[\min\sum_{i=1}^6|\Delta\theta_i|\\ s.t\quad|\beta_{ij}^0+\frac12(\Delta\theta_i+\Delta\theta_j)|>\alpha_{ij}^0\,i,j=1,2\cdots,6,i\neq j\\ |\Delta\theta_i|\le30°，\qquad i=1,2,\cdots,6 \]利用如下的程序，使用python：
import numpy as np
x0 = np.array([150, 85, 150, 145, 130, 0]) # 初始横坐标
y0 = np.array([140, 85, 155, 50, 150, 0]) # 初始纵坐标
theta_i = np.array([243, 236, 220.5, 159, 230, 52])
xy0 = np.concatenate([[x0], [y0]], axis=0)
d0 = np.zeros((6, 6))
for i in range(xy0.shape[1]): # 计算矩阵各个列向量之间的距离
for j in range(xy0.shape[1]):
d0[i, j] = np.linalg.norm(xy0[:, i] - xy0[:, j])
d0[d0 == 0] = np.inf # 设置点到自身的距离为无穷大
a0 = np.arcsin(8 / d0) / np.pi * 180 # arcsin()返回弧度制，换算成角度，获得不碰撞的最小角度
xy1 = np.array([])
for i, j in zip(x0, y0): # 计算x+yi
xy1 = np.append(xy1, np.complex(i, j))
xy2 = np.array([])
for i in theta_i:# 计算e_iθ
xy2 = np.append(xy2, np.exp(np.complex(0, i / 180 * np.pi)))
b0 = np.zeros((6, 6))
for i in range(6):
for j in range(6):
if i != j: # 不计算对角线
b0[i, j] = np.angle((xy2[j] - xy2[i]) / (xy1[j] - xy1[i]), deg=True) # 范围角度值，范围在-180°到180°
# 获得两点之间的相对角度
np.savetxt('./a0.csv', a0, delimiter=',', fmt='%f') # 写入数据
np.savetxt('./b0.csv', b0, delimiter=',', fmt='%f')
求得\(\alpha_{ij}^0\)的值如表2所示
表2
| 0 | 5.39119 | 32.230953 | 5.091816 | 20.963361 | 2.234507 |
|---|---|---|---|---|---|
| 5.39119 | 0 | 4.804024 | 6.61346 | 5.807866 | 3.815925 |
| 32.230953 | 4.804024 | 0 | 4.364672 | 22.833654 | 2.125539 |
| 5.091816 | 6.61346 | 4.364672 | 0 | 4.537692 | 2.989819 |
| 20.963361 | 5.807866 | 22.833654 | 4.537692 | 0 | 2.309841 |
| 2.234507 | 3.815925 | 2.125539 | 2.989819 | 2.309841 | 0 |
求得\(\beta_{ij}^0\)如表3所示
表3
| 0 | -70.736358 | 51.75 | -155.82017 | -6.934949 | -165.525066 |
|---|---|---|---|---|---|
| -70.736358 | 0 | 91.128904 | 137.756437 | 87.695154 | -171 |
| 51.75 | 91.128904 | 0 | -167.523689 | 121.213757 | -179.689191 |
| -155.82017 | 137.756437 | -167.523689 | 0 | -174.030766 | 176.474394 |
| -6.934949 | 87.695154 | 121.213757 | -174.030766 | 0 | -178.085617 |
| -165.525066 | -171 | -179.689191 | 176.474394 | -178.085617 | 0 |
上述飞行管理数学规划模型可如下输入LINGO求解：
model:
sets: ! 变量设置;
plane/1..6/:delta;
link(plane,plane):alpha,beta;
endsets
data:
alpha=@file('C:\Users\reion\OneDrive\Documents\机器学习实战\a0.csv'); ! 导入alpha_ij的数据;
beta=@file('C:\Users\reion\OneDrive\Documents\机器学习实战\b0.csv');! 导入beta_ij的数据;
enddata
min=@sum(plane:@abs(delta)); ! 最小化角度的绝对值之和;
@for(plane:@bnd(-30,delta,30)); ! 角度的调整范围在-30°到30°之间;
@for(link(i,j)|i#ne#j:@abs(beta(i,j)+0.5*delta(i)+0.5*delta(j))>alpha(i,j)); ! 调整后的角度的绝对值要小于a_ij;
end
求得的最优解为\(\Delta\theta_5=-28.05682 °\)，其余角度为0°
标签：飞机,frac,非线性,beta,ij,np,theta,规划 来源： https://www.cnblogs.com/Reion/p/15819659.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。