CAHC：面向多代理路径查找的通用冲突感知启发式缓存框架
机器人学
2026-01-21 v2
摘要
多代理路径查找（MAPF）算法，包括面向车类机器人和网格场景的算法，面临显著的计算挑战，主要源于昂贵的启发式计算。传统启发式缓存假设启发式函数仅依赖于状态，这在基于约束的搜索算法（如 CBS、MAPF-LNS、MAP2）中不正确，因为冲突解决产生的约束使得搜索空间具有上下文依赖性。我们提出了 CAHC（Conflict-Aware Heuristic Caching），即冲突感知启发式缓存，一种通用框架，基于状态和相关约束上下文对启发式值进行缓存，从而解决了这一根本性限制。我们通过车类机器人上的 CL-CBS 案例研究，演示了 CAHC，通过将冲突感知缓存与自适应混合启发式结合，构建了 CAR-CHASE（Car-Like Robot Conflict-Aware Heuristic Adaptive Search Enhancement）。我们的关键创新包括：1）一种紧凑的冲突指纹，高效编码哪些约束影响状态的启发式；2）基于空间、时间和几何准则的领域可适应性相关性过滤器；3）支持多种 MAPF 算法的模块化架构。480 份 CL-CBS 基准测试实例的实验评估显示，几何平均速度提升了 2.46 倍，同时保持解的最优性。该优化措施将成功率从 77.9% 提升到 84.8%（提升 6.9 个百分点），总运行时间降低 70.1%，并解决了 33 个额外实例。该框架的通用架构使其可作为 MAP2、MAPF-LNS 和其他基于约束的 MAPF 算法可靠优化技术的通用应用方案。
引用
@article{arxiv.2512.12243,
title = {CAHC:A General Conflict-Aware Heuristic Caching Framework for Multi-Agent Path Finding},
author = {HT To and S Nguyen and NH Pham},
journal= {arXiv preprint arXiv:2512.12243},
year = {2026}
}