一种用于多目标多智能体路径寻找的基于冲突搜索框架

传统的多智能体路径规划器通常计算一组路径的同时优化单一目标，如路径长度。然而，许多应用可能需要在规划时同时优化多个目标，例如燃料消耗与完成时间，这些准则未必可直接比较且有时相互竞争。因此该问题的目标是找到一组帕累托最优解而非单一最优解。将现有的多目标搜索算法（如多目标A* (MOA*)）朴素地应用于多智能体路径寻找可能效率低下，因为搜索空间的维度随智能体数量呈指数增长。本文提出一种名为多目标基于冲突搜索(MO-CBS)的方法，试图通过借助已有的基于冲突搜索(CBS)——一种著名的单目标多智能体路径寻找算法——以及多目标优化文献中的支配原理，来解决这一所谓的维度灾难。我们还开发了MO-CBS的若干变体以提升其性能。我们证明MO-CBS及其变体能够计算出完整的帕累托最优集。数值结果表明MO-CBS优于MOM*——一种近期开发的先进多目标多智能体规划器。