基于局部搜索的大规模多机器人覆盖路径规划

我们研究基于图的多机器人覆盖路径规划，旨在为多个机器人计算覆盖路径，以覆盖给定 2D 网格地形图 $G$ 的所有顶点。现有的基于图的 MCPP 算法首先在 $G$ 上计算树覆盖——即覆盖所有顶点的多棵树的森林——然后采用生成树覆盖范式，通过绕行所计算树的边，在地形图 $G$ 的分解图 $D$ 上生成覆盖路径，旨在优化完工时间（即所有机器人中的最大覆盖路径成本）。在本文中，我们采取不同的方法，探索如何直接在 $D$ 上系统地搜索良好的覆盖路径。我们引入了一个名为 LS-MCPP 的新算法框架，该框架利用局部搜索直接在 $D$ 上进行操作。我们提出了一种新颖的独立范式 Extended-STC (ESTC)，它扩展了 STC，能在任何分解图上实现 MCPP 的完全覆盖，即使是那些由不完整地形图产生的分解图。此外，我们展示了如何将 ESTC 与三种新颖的邻域算子整合到我们的框架中，以有效地指导其搜索过程。我们的大量实验证明了 LS-MCPP 的有效性，它持续改进了两个计算 $G$ 上次优树覆盖的最先进基线算法返回的初始解，使完工时间分别显著降低了 35.7% 和 30.3%。此外，LS-MCPP 始终匹配或超越最优树覆盖计算的结果，并且以快几个数量级的运行时间实现这些结果，从而展示了其在大规模现实覆盖任务中的显著优势。