面向多智能体路径规划的导引式编译
人工智能
2022-12-15 v1 多智能体系统
摘要
多智能体路径规划（MAPF）是在共享环境中为各智能体寻找连接其指定初始与目标的免冲突路径的任务。我们关注基于编译的求解器，其中 MAPF 问题以混合整数线性规划（MILP）、布尔可满足性（SAT）或约束规划（CP）等成熟形式化语言表述。由于这些形式化语言的目标求解器充当黑盒，在基于编译的 MAPF 求解器中集成 MAPF 特定启发式颇具挑战。我们在本工作中展示了如何为目标的 SAT 求解器构建反映领域特定启发式知识的 MAPF 编码。该启发式知识通过为每个智能体选取候选路径，并仅针对这些候选路径而非智能体所有可能路径构造编码，传递给 SAT 求解器。实验表明，启发式导引的编译优于基于 SAT 的 MAPF 求解器的原始变体。
引用
@article{arxiv.2212.06940,
title = {Heuristically Guided Compilation for Multi-Agent Path Finding},
author = {Pavel Surynek},
journal= {arXiv preprint arXiv:2212.06940},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2103.04496