HCA* 的一种可并行化变体
系统与控制
2025-02-03 v1 系统与控制
摘要
本文提出了一种用于多智能体路径规划（MAPF）问题的著名分层协作 A* 算法（HCA*）的可并行化变体。在该变体中，所有智能体最初在忽略其他智能体存在的情况下寻找各自的最短路径。此步骤使用 A* 完成。随后构建一个交叉图（IG）：每个智能体作为一个节点，如果对应智能体的路径发生碰撞，则两个节点之间存在一条边。接着，借助最大独立集问题的近似算法提取一个独立集。属于该独立集的智能体的路径被固定。其余智能体再次寻找最短路径，此次需确保不与先前智能体发生碰撞。此处使用了作为 HCA* 关键组件的时空 A*。这些迭代持续进行，直到没有剩余智能体。由于在任何迭代中为各智能体寻找最短路径的任务彼此独立，所提出的算法在很大程度上可以被并行化。此外，通过将地图划分为多个区域并让每个智能体专注于特定区域，确定 IG 的任务也可以并行执行。这种并行性确实带来了智能体与服务器之间通信的开销。这在仿真中已予以考虑。作为一项额外优势，用户无需选择优先级顺序。经验表明，在许多情况下，所提出的算法在计算时间和成本值方面均优于 HCA*。提供了仿真结果以作佐证。
引用
@article{arxiv.2501.19218,
title = {A parallelizable variant of HCA*},
author = {Sreenivasan Ganti and Visnu Srinivasan and Pallavi Ramicetty and Shravan Mohan and Milind Savagaonkar and Shubhashis Sengupta},
journal= {arXiv preprint arXiv:2501.19218},
year = {2025}
}