多智能体组合路径规划的最小完成时间优化
提出了基于MA-RRT*算法的多智能体路径规划问题解决方案,该算法在解决真实世界中大型但稀疏环境的多飞机防撞等任务时性能很好,能够有效利用采样机制,比以往的正向搜索方法更具可扩展性。
Feb, 2013
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
通过提出两种最优算法,基于减少 MAPF-DL 的流问题和后续抽象的多种商品流网络的紧凑整数线性规划和基于新的组合搜索算法,我们正式规范具有截止日期的多智能体路径规划问题。
Jun, 2018
我们提出了一种新颖的完整算法用于多智能体路径规划(LaCAM),LaCAM使用两级搜索快速找到解决方案,即使有数百个代理也是如此,我们的全面实验表明,LaCAM在各种情况下可与或优于最先进的MAPF子最优算法,涉及成功率,计划时间和成本总和解决方案的质量。
Nov, 2022
本研究通过对二维网格中时间最优多智能体路径规划的细粒度复杂性分析,揭示了新的可解性界限,并在只有两个方向时,提出了找到最优解的有效算法,从而帮助指导算法设计。
May, 2023
研究了多智能体路径规划中如何利用蒙特卡洛树搜索(Monte-Carlo Tree Search)解决问题,提出了一种适用于多智能体路径规划的改进MCTS变种,通过计算个体路径和奖励来指导搜索过程,实验证明该方法优于基线规划算法。
Jul, 2023
多智能体路径规划(Multi-Agent Path Finding)是机器人领域的一个基本问题,该研究提出了一种新方法来解决这个问题,该方法通过引导智能体按照避免拥堵的路径前往目的地,有效提高了解决方案质量,并在整体通量方面取得了显著改进。
Aug, 2023
该研究介绍了一个新的公式,用于寻找移动目标旅行推销员问题(MT-TSP)的最佳解,通过在空间-时间坐标系中寻找凸集图形内的最短路径,相比现有的混合整数锥规划器(MICP)求解器,该公式在运行时间上减少了两个数量级,同时缩小了高达60%的最优性差距。
Mar, 2024
多智能体路径规划是将多个智能体从起点移动到目标点而无碰撞的问题,终身智能体路径规划通过不断为智能体分配新目标进一步扩展了多智能体路径规划。本文概述了三个主要的研究挑战,包括寻找在有限的规划时间内(例如,每步1秒)为大量智能体(例如,10,000个)或极高智能体密度(例如,97.7%)搜索高质量的终身智能体路径规划(LMAPF)解决方案的挑战,缓解拥堵和短视行为在LMAPF算法中的影响的挑战,以及弥合文献中使用的LMAPF模型和实际应用之间的差距的挑战。
Apr, 2024
我们提出了基于目标安全区间访问顺序搜索和单智能体路径规划的多目标冲突搜索(MGCBS)方法,并介绍了时间-间隔-空间森林(TIS Forest)来增强MGCBS的效率。实验证明,我们的方法始终能够获得最优结果,并在评估中执行速度比最新的方法快7倍。
Apr, 2024