MAPP：一种具有易处理性与完备性保证的可扩展多智能体路径规划算法
人工智能
2014-01-17 v1
摘要
多智能体路径规划是一个具有众多实际应用的挑战性问题。在所有单元的联合状态空间中运行诸如 A* 的集中式搜索是完备且代价最优的，但可扩展性差，因为状态空间大小随移动单元数量呈指数增长。传统的去中心化方法（如 FAR 和 WHCA*）基于问题分解，速度更快且更具可扩展性。然而，此类方法是不完备的，且对运行时间或解质量不提供任何保证。它们不一定能在合理时间内判断能否成功找到给定实例的解。我们引入了 MAPP，一种用于无向图上多智能体路径规划的易处理算法。我们提出了其基本版本及若干扩展。它们在运行时间、内存需求和解长度方面具有低多项式最坏情况上界。尽管所有算法版本在一般情况下都不完备，但每个版本对其能解决的问题均提供形式化保证。针对每个版本，我们讨论了算法相对于明确定义的实例子类的完备性。实验在真实的游戏网格地图上进行。MAPP 解决了 99.86% 的所有移动单元，比 FAR 和 WHCA* 的百分比高出 18--22%。MAPP 在计划计算的第一阶段将 98.82% 的单元标记为可证明可解。MAPP 计算的部分内容可在同一地图上的不同实例间重用。在速度方面，取决于 MAPP 是否从头执行所有计算，其速度与 WHCA* 相当或显著更快。当 MAPP 可重用的数据经过离线预处理且随时可用时，MAPP 平均比极快的 FAR 算法慢 2.18 倍。MAPP 的解平均比 FAR 的解长 20%，比 WHCA* 的解长 7--31%。
引用
@article{arxiv.1401.3905,
title = {MAPP: a Scalable Multi-Agent Path Planning Algorithm with Tractability and Completeness Guarantees},
author = {Ko-Hsin Cindy Wang and Adi Botea},
journal= {arXiv preprint arXiv:1401.3905},
year = {2014}
}