AAAIMar, 2023

多目标概率规划的启发式搜索

PDF
TL;DR本篇论文旨在将启发式搜索算法应用于多目标随机最短路径 (MOSSPs) 问题，提出了基于相对快速的 MOLAO* 和 MOLRTDP 两种算法，以及一系列能够应对随机、多目标特点的启发式函数，通过实验证明了新算法及函数的有效性。
heuristic searchmulti-objective planningstochastic shortest pathmolao*molrtdp
发现论文，激发创造
  • 基于多启发式搜索的自动停车运动规划

    采用多启发式搜索方法，在相比常规算法更复杂的搜索空间中获得更高效和更高质量的实时路径规划。

    Jul, 2023

  • 结合启发式和多智体强化学习的多机器人路径规划

    提出了一种结合启发式搜索、经验法则和多智能体强化学习的路径规划方法 MAPPOHR，将启发式搜索用于生成全局路径，用经验法则和奖励函数激励实时规划器，用多智能体强化学习算法实现实时规划，实验证明该方法比传统学习和启发式方法的规划性能更好且学习效率更高。

    Jun, 2023

  • 通过成本预算分配的层次约束随机最短路径规划

    该论文提出了一种使用分层规划展开的基于成本约束的随机最短路径问题（HC-SSP）的框架，通过分支和剪枝算法来迭代地分配成本预算，从而在真实时间和风险敏感的应用中找到一个可行解。

    May, 2022

  • 随机最短路径问题的高效约束生成

    利用规划和运筹学的新框架，解决了随机最短路径问题中冗余计算的问题，提出了一种有效的约束生成技术，应用到了新算法 CG-iLAO*，实验证明 CG-iLAO * 相较于 LRTDP 和 iLAO * 在解决问题时速度提高了 8 倍和 3 倍，并忽略了 iLAO * 的多达 57% 的动作。

    Jan, 2024

  • 基于启发式搜索的通用规划：利用对象指针的新规划搜索空间

    本研究提出了一种新的基于指针的 GP 解空间、评估和启发式函数，以及 BFGP 算法，为了实现 GP 的启发式搜索，避免了提前 grounding state 或 action 所带来的问题，能有效处理大型状态变量集合和大量数值域的情况。

    Jan, 2023

  • 使用平衡二叉搜索树增强的多目标 A * 算法

    本文提出了在多目标最短路径问题中使用平衡二叉搜索树来维护非支配前沿集，以更高效地找到帕累托最优解的方法。实验表明，该方法在三、四、五个目标的问题中比现有技术快一个数量级。

    Feb, 2022

  • 用于自主车辆行为规划的概率约束随机最短路径双重描述

    本文介绍了一个基于约束的随机规划问题，其中利用整数线性规划方法确保了确定性决策，同时为安全性关键的应用提供了约束违规概率的上界。同时还介绍了确定性策略和随机策略的随机舍入过程，并探讨了如何在考虑不同时间步的约束情况下进行 CC-SSP 的推广。

    Feb, 2023

  • 朝向学习领域独立规划启发式方法

    利用机器学习获取领域无关的启发式函数以提高自动规划在不同领域系统中的实际应用。

    Jul, 2017

  • 基于图形的多机器人最优路径规划：完整算法和有效的启发式算法

    通过与网络流的等价性和整数线性规划，我们设计了用于解决四个不同目标的新颖和完整算法，从而解决了最佳多机器人路径规划问题。采用基于 ILP 算法模型和启发式算法的组合方法，能够在几秒钟内计算出包含数百个机器人，环境密集的问题的 1.x - 最优解。

    Jul, 2015

  • 基于力控制的机器人在随机环境中的优化搜索策略

    本文介绍了一种基于神经网络模型的机器人搜索策略自动优化方法，通过在大量虚拟环境中训练和少量真实环境测试进行反演，能够适应底层概率分布的时间变化特征，同时减少实际测试的数量，并在螺旋和探头搜索 THT 电子组件装配的两个工业机器人上进行了评估。

    Jul, 2022