面向灾后勘测的基于HoCs-MPQ的异构无人机、车辆与工人的协同调度
多智能体系统
2025-10-30 v1
摘要
频繁的自然灾害对人类社会造成重大损失，及时、有效地收集灾后环境信息是实现有效救援的基础。由于灾后环境的极端复杂性，现有感知技术如移动众包感知在环境适应性方面薄弱，专业感知能力不足以及感知解决方案的实际操作性较差。因此，本文探索了一种异构多智能体在线协同调度算法HoCs-MPQ，以实现灾后环境信息的高效收集。HoCs-MPQ通过构建加权无向图来建模多个元素之间的协作与冲突关系，并基于多优先级队列迭代求解最大权独立集，最终实现基于时间依赖性的无人机、车辆和工人的协同感知调度。具体而言，(1) HoCs-MPQ基于多个元素之间的协作关系构建加权无向图节点并量化其权重，然后基于节点之间冲突关系建模加权无向图；(2) HoCs-MPQ基于迭代局部搜索求解最大权独立集，并通过多优先级队列加速求解过程。最后，我们基于大量真实数据和模拟数据进行了详细实验。实验结果表明，与基线方法（如HoCs-GREEDY、HoCs-K-WTA、HoCs-MADL和HoCs-MARL）相比，HoCs-MPQ分别提高了54.13%、23.82%、14.12%和12.89%的任务完成率，单次在线自主调度决策的计算时间不超过3秒。
引用
@article{arxiv.2510.25212,
title = {Collaborative Scheduling of Time-dependent UAVs,Vehicles and Workers for Crowdsensing in Disaster Response},
author = {Lei Han and Jinhao Zhang and Jinhui Liu and Zhiyong Yu and Liang Wang and Quan Wang and Zhiwen Yu},
journal= {arXiv preprint arXiv:2510.25212},
year = {2025}
}