面向预期时间移动搜索的全局路由优化即时元启发式框架

预期时间移动搜索（ETS）是一项基本的机器人任务，其中移动传感器导航环境以最小化定位隐藏对象所需的预期时间为目标。在静态二维连续环境中进行全局路由优化目前仍 largely 未被充分探索，由于连续环境的客观评估不可行，受到运动和可见性约束相互作用的影响。先前的工作通过部分离散化来处理这一问题，导致离散感知形式化问题，通过效用贪心启发式方法求解。其他人则通过在固定图上的最小延迟问题的近似值进行间接处理，使能够通过高效元启发式方法实现全局路由优化。本文建立在后者之上，并显著扩展了其内容，提出了 Milaps（Minimum latency problems）这一ETS模型基解决方案框架。Milaps 集成了新的辅助目标，并采用了最近一种用于旅行送货员问题的即时元启发式方法，该方法在严格的运行时限下表现出色。在新颖的大规模数据集上的评估表明，与最先进的基准方法相比，本方法在解决方案质量和运行时间之间实现了优越的权衡。最佳策略快速生成初步解决方案，为感知配置分配静态权重，并进行全局成本的元启发式优化。此外，定性研究还突显了该框架在多样化情景下的灵活性。