May, 2024

一种基于 GRASP 的路径重链接式谐音算法用于离大多数字符串问题

PDF
TL;DRFAR FROM MOST STRING PROBLEM (FFMSP) 的 MEMETIC 算法在计算生物学中的字符串选择问题上表现优异且与其他先进技术有统计显著性的性能比较。
far from most string problemstring selectionmemetic algorithmcomputational biologyperformance comparisons
发现论文，激发创造
  • FF 规划系统：通过启发式搜索进行快速计划生成

    基于前向状态空间搜索的启发式搜索算法是实现 FF 规划系统的主要技巧，该系统因比 HSP 系统更具优越性能而赢得了最近 AIPS-2000 规划竞赛的冠军。

    Jun, 2011

  • 通过图嵌入的最优多智能体路径规划算法选择

    多智能体路径规划问题（MAPF）是寻找多个智能体不发生碰撞的路径的问题，该研究论文提出了一种基于图嵌入的解决方案，称为 MAPF 算法选择图嵌入（MAG），通过对 MAPF 问题进行图形编码并利用现代图嵌入算法，该方法在多个 MAPF 算法选择任务上表现出与现有方法相当或显著更好的性能。

    Jun, 2024

  • 改进的匿名多智能体路径规划算法

    我们考虑投射在图上的匿名多智能体路径规划（AMAPF）问题，给定了一组目标顶点，每个顶点必须被某个智能体到达。本文针对寻找使得最短耗时的目标 - 智能体分配方案和无碰撞路径的问题，通过将其转化为特殊类型的图搜索问题，即在输入图引导下寻找最大流问题来求解。然后，我们提出了一种利用批量搜索状态的特定搜索算法，将搜索空间压缩、存储和扩展为单一状态，从而显著降低了运行时间和内存占用。实验证明，该 AMAPF 求解器在 30 秒内能够解决所有公开可用的来自知名 MovingAI 基准的 MAPF 实例，并表现出卓越的性能优势。

    Dec, 2023

  • 缩放终身多智能体路径规划到更现实的环境中：研究挑战与机遇

    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

  • GRASP：通过图注意力加速最短路径攻击

    利用机器学习辅助优化算法，提出了 GRASP 算法，通过图注意力网络等方法实现了快速求解组合优化问题，并且保持了解的质量。

    Oct, 2023

  • 多智能体路径规划的精确算法和下界：树状拓扑的威力

    在多智能体路径规划问题中，我们通过参数化复杂性框架提出了系统研究，给出了问题的难度结果和固定参数可解性结果。

    Dec, 2023

  • 多智能体路径规划的启发式编译

    本文介绍了如何在 SAT 求解器中构建带有领域特定启发式信息的 MAPF 编码，并选择每个 agent 的备选路径来构建编码，实验结果表明这种启发式的 MAPF 求解器优于普通的 SAT 求解器。

    Dec, 2022

  • 多智能体路径规划：定义、变体和基准测试

    该论文旨在通过提供统一的术语来描述常见的 MAPF 假设和目标，并指向两个 MAPF 基准，介绍了一个新的基于网格的 MAPF 基准，并试验性地证明它对当代 MAPF 算法提出了挑战。

    Jun, 2019

  • 高维多目标路径规划的取样和剪枝：信息斯坦纳树

    本文提出了一种新的方法，在高维空间中交替在选择的区域中采样点并减弱不能导致多目标路径查找问题的良好解决方案的区域。实验结果证明该方法在解决问题质量和计算速度方面优于一般均匀采样方法。

    May, 2022

  • 多模态多智能体路径规划的解释生成与最优资源利用基于答案集编程

    本文介绍了一种基于答案集编程的方法，用于解决涉及多模态转型模式的多智能体路径规划问题（mMAPF），并生成可解释性的解决方案、观察结果、最优路径以及不存在解决方案的查询。

    Aug, 2020