Apr, 2024

MGCBS: 解决多目标多智能体路径规划问题的最优高效算法

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 带有截止日期的多智能体路径规划

    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

  • 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

  • 基于图的多机器人路径规划

    对现代算法的评估表明，针对多机器人系统的多智能体路径规划是解决自动仓库实现，火车调度和非完整机器人导航等多个应用领域重要方面的关键技术。

    Jun, 2022

  • LaCAM: 用于快速多智体路径规划的搜索算法

    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

  • 多代理路径规划的蒙特卡洛树搜索：初步结果

    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

  • 多智能体组合路径规划的最小完成时间优化

    多智能体组合路径规划最小最大变体，通过延迟昂贵的目标排序来加速计算。

    Dec, 2023

  • 分布式蒙特卡洛树搜索用于部分可观察多智体路径规划

    我们提出了一种基于分布式多智能体蒙特卡罗树搜索方法的多智能体路径规划算法，通过利用智能体的观察结果重新创建内在的马尔科夫决策过程，并结合针对多智能体任务的定制化神经蒙特卡罗树搜索算法进行路径规划，实验证明该方法优于现有的学习型多智能体路径规划器。

    Dec, 2023

  • 多机器人系统冲突感知的最优目标分配算法

    通过提出高效的冲突引导方法，避免了计算下一个最佳分配时的瓶颈，以及引入两种算法优化来提高效率和可扩展性，研究表明该算法在实际场景中取得了近一个数量级的加速效果。

    Feb, 2024

  • 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

  • 最优和有界次优的任意角度多智能体路径规划

    多智能体路径规划中的任意角路径规划问题，利用连续冲突搜索算法和安全区间路径规划算法的最优算法及其可行解空间分割和多约束技术，能解决比传统组合更多的问题。

    Apr, 2024