神经ATTF：一个可扩展的终身多智能体路径规划解决方案
本文探讨了多智能体提货与送达（MAPD）问题，现有解决方案在动态环境中的可扩展性和效率有限。提出的神经ATTF（自适应任务令牌框架）结合了优先引导任务匹配模块和神经STA*路径规划方法，通过优先处理延迟代理和动态分配任务，提高了系统的连续性和吞吐量。实验结果表明，神经ATTF在可扩展性、解的质量和计算效率方面优于最先进的MAPD算法，显示出其在复杂多智能体系统中的应用潜力。
本文探讨了多智能体提货与送达（MAPD）问题，提出了神经ATTF框架，通过优先处理延迟代理和动态任务分配来提升系统效率。实验结果表明，神经ATTF在可扩展性和计算效率方面优于现有算法，展现了良好的应用潜力。
