多智能体路径规划技术研究综述

TP181; 针对多智能体路径规划(multi-agent path finding,MAPF)问题研究的算法在户外危险场地、智能仓储系统和城市道路网络等领域有着广泛的应用.根据不同的求解思路,关于MAPF问题研究设计的算法主要可以分为基于搜索的传统算法和基于学习的智能算法2 类.在基于搜索的传统算法研究中,按照路径规划效果不同,又可分为最优MAPF算法和次优 MAPF 算法.最优 MAPF 算法主要分为基于 A*的搜索、基于代价增长树的搜索(increasing cost tree search,ICTS)和基于冲突的搜索(conflict-based search,CBS)这3 类;次优M...

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 50; no. 10; pp. 1263 - 1272
Main Authors 吴文君, 王腾达, 孙阳, 高强
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部,北京 100124 01.10.2024
Subjects
移动机器人
path finding
机器学习
最优路径集合
多智能体系统
人工智能
multi-agent system
mobile robot
machine learning
optimal path set
artificial intelligence
路径规划
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2023020021

Cover

More Information
Summary:TP181; 针对多智能体路径规划(multi-agent path finding,MAPF)问题研究的算法在户外危险场地、智能仓储系统和城市道路网络等领域有着广泛的应用.根据不同的求解思路,关于MAPF问题研究设计的算法主要可以分为基于搜索的传统算法和基于学习的智能算法2 类.在基于搜索的传统算法研究中,按照路径规划效果不同,又可分为最优MAPF算法和次优 MAPF 算法.最优 MAPF 算法主要分为基于 A*的搜索、基于代价增长树的搜索(increasing cost tree search,ICTS)和基于冲突的搜索(conflict-based search,CBS)这3 类;次优MAPF算法主要分为无边界次优的算法和有边界次优的算法2 类.基于学习的智能MAPF算法可以大致分为结合专家经验的算法和基于图神经网络(graph neural network,GNN)的算法2 类.根据上述分类介绍了近年来具有代表性的研究成果,分析了各种算法的特点,并对MAPF问题未来的研究方向进行了展望.
ISSN:0254-0037
DOI:10.11936/bjutxb2023020021