Jul, 2023

使用单一约束树解决多智体目标分配和路径规划问题

PDF
TL;DR本研究提出了一种名为 ITA-CBS 的增量目标指派 CBS 方法，该方法不需要计算 K 个最佳任务分配，只在搜索过程中增量计算新的最佳分配，有效避免了多个搜索树中的冲突，保证了最优解和计算效率。
target-assignmentpath-findingconflict-based searchcbs-taita-cbs
发现论文，激发创造
  • ITA-ECBS: 一个用于联合目标分配和路径规划问题的有界次优算法

    多智能体路径规划 (MAPF) 的一个变种是综合目标分配和路径规划 (TAPF) 问题，本文引入了 ITA-ECBS 作为 ITA-CBS 的边界次优变体，并采用聚焦搜索和基于新的下界矩阵确定目标分配，经测试在 54,033 个案例中表现出优于基线方法 ECBS-TA 的结果占据了 87.42%。

    Apr, 2024

  • 团队 Agent 的最优目标分配和路径规划

    研究了已知地形中团队智能体的 TAPF（组合目标分配和路径查找）问题，提出了 CBM（基于冲突的最小成本流）算法，结合匿名和非匿名多智能体路径查找算法的思想，可用于处理各种规模的 TAPF 实例，并可适用于模拟仓库系统。

    Dec, 2016

  • 利用基于冲突的搜索、优先级和时间约束进行最优任务分配和路径规划

    该研究通过利用强化学习中用户定义的奖励函数来实现冲突搜索算法（CBS）和任务分配与路径规划，解决了具有优先和时间约束的任务分配与路径规划问题（TAPF-PTC）。通过实验证明，相对于 MARL 和适应性目标分配与路径规划（TAPF）方法，我们的算法 CBS-TA-PTC 有效地解决了具有优先和时间约束的高难度拆弹任务。

    Feb, 2024

  • 多目标任务分配和路径规划的最优和有界次优方案

    本研究从理论和算法两个角度对多目标任务分配和路径规划问题（MG-TAPF）进行了建模和研究，并提出了算法建立在多智能体路径规划问题上，在各种基准领域上对算法进行了实验比较。

    Aug, 2022

  • 优化先决约束计划任务的多智能体路径规划

    本文提出了一种 Precedence Constrained Conflict Based Search (PC-CBS) 算法，用于解决 Precedence Constrained Multi-Agent Path Finding (PC-MAPF) 问题，算法在仓库装配和多智能体取送货问题中表现优异。

    Feb, 2022

  • k - 强韧多智能体路径规划中的对称性破缺

    本文介绍了多机器人路径规划问题中考虑异常情况的 k-Robust Conflict-Based Search 算法，以及引入对 k-robust 规划特定的对称性约束可以有效地找到冲突代理的兼容和最优路径，在多个领域中的应用效果较好，包括传统的 MAPF 基准测试，自动化仓库领域和最近推出 Flatland 挑战的铁路领域。

    Feb, 2021

  • 基于冲突搜索 (CBS) 和焦点搜索 (FS) 组合的任意时间 MAPF 解算器分析

    本研究针对 CBS 算法的优化问题，设计并测试了多种不同的改进方式；研究结果表明，在多种情形下使用基于 Focal Search 的 anytime variant 算法优于传统的 CBS 算法。

    Sep, 2022

  • 子优化 CBS 中加权代价函数和冲突启发式的有效融合

    本文研究了多智能体路径规划中的 Conflict-Based Search 算法，证明了权重 cost-to-go 和冲突启发式算法可以被用于低级规划器，旨在提高算法效率和解决冲突问题。此外，该文章进一步表明算法性能与高低级之间的权衡有关，对现有算法进行了优化。

    May, 2022

  • 基于冲突的可解释多智能体路径规划搜索

    本文利用冲突基础搜索算法处理可解释多智能体路径规划问题，并探讨了计划时间与可解释性之间的权衡。

    Feb, 2022

  • EECBS: 多智能体路径规划的有界次优搜索

    通过基于在线学习的 inadmissible 估计和 EES 算法，在研究现有的 bounded-suboptimal MAPF 算法的基础上，提出一种新的 bounded-suboptimal 算法 EECBS，相较于 ECBS，BCP-7 和 eMDD-SAT 等先进算法，在运行时间上表现更快，希望其可推广到更多 bounded-suboptimal MAPF 算法的应用中。

    Oct, 2020