面向多智能体隐私保护规划的最佳优先宽度搜索

在多智能体规划中，保护智能体的隐私已成为日益流行的研究课题。为保护智能体隐私，各智能体通过保持特定信息对个体私有，联合计算实现共同目标的计划。不幸的是，这会严重限制搜索解时所使用启发式函数的准确性。近期研究表明，对于集中式规划，目标导向搜索的性能可通过结合目标导向搜索与基于宽度的搜索得以提升。这些技术的结合被称为最佳优先宽度搜索。本文中，我们研究最佳优先宽度搜索在（去中心化）多智能体隐私保护规划背景下的使用，应对与智能体隐私和性能相关的挑战。特别地，我们表明即便搜索由粗略估计距目标状态距离、且不使用其他智能体私有信息的启发式驱动，最佳优先宽度搜索在多个基准领域上也是非常有效的方法。一项实验研究分析了我们技术的有效性，并与最先进水平进行了比较。