面向多智能体路径规划求解器的快速随机重启
人工智能
2017-06-12 v1
摘要
多智能体路径规划（MAPF）是人工智能和机器人领域中研究充分的 NP-hard 问题。它具有许多现实应用，现有的 MAPF 求解器针对这些应用使用了各种启发式。然而，这些求解器是确定性的，在“困难”实例上表现不佳，这类实例的典型特征是大量智能体在一个小区域内相互干扰。在本文中，我们通过随机化增强了 MAPF 求解器，并观察到它们在困难实例上的运行时间呈现重尾分布。这促使我们开发了简单的快速随机重启（RRR）策略，其直觉在于，给定一个困难实例，多次短时间运行比一次长时间运行更有可能解决它。我们通过实验验证了这一直觉，并表明我们的 RRR 策略确实提升了诸如 iECBS 和 M* 等最先进 MAPF 求解器的性能。
引用
@article{arxiv.1706.02794,
title = {Rapid Randomized Restarts for Multi-Agent Path Finding Solvers},
author = {Liron Cohen and Glenn Wagner and T. K. Satish Kumar and Howie Choset and Sven Koenig},
journal= {arXiv preprint arXiv:1706.02794},
year = {2017}
}