面向灾害响应群智感知的时变无人机、工人与车辆自主协同调度
多智能体系统
2025-06-06 v1 人工智能
摘要
自然灾害给人类社会造成了重大损失，及时高效地获取灾后环境信息对于有效实施救援行动至关重要。由于灾后环境的复杂性，现有感知技术面临环境适应性弱、专用感知能力不足以及感知方案实用性有限等挑战。本文探索了异构多智能体在线自主协同调度算法HoAs-PALN，旨在实现灾后环境信息的高效采集。HoAs-PALN通过匹配过程中的自适应降维和局部纳什均衡博弈来实现，促进时变无人机、工人和车辆之间的自主协作，以增强感知调度。(1) 在匹配过程中的自适应降维方面，HoAs-PALN通过将五维匹配过程转化为两类三维匹配过程，显著减少了调度决策时间；(2) 在局部纳什均衡博弈方面，HoAs-PALN结合softmax函数优化行为选择概率，并引入局部纳什均衡判定机制以确保调度决策性能。最后，我们基于大量真实和模拟数据进行了详细的实验。与基线方法(GREEDY、K-WTA、MADL和MARL)相比，HoAs-PALN的任务完成率平均分别提高了64.12%、46.48%、16.55%和14.03%，同时每次在线调度决策耗时不到10秒，证明了其在动态灾后环境中的有效性。
引用
@article{arxiv.2506.04276,
title = {Autonomous Collaborative Scheduling of Time-dependent UAVs, Workers and Vehicles for Crowdsensing in Disaster Response},
author = {Lei Han and Yitong Guo and Pengfei Yang and Zhiyong Yu and Liang Wang and Quan Wang and Zhiwen Yu},
journal= {arXiv preprint arXiv:2506.04276},
year = {2025}
}