BriefGPT - AI 论文速递
·
连续时间冲突基于搜索的团分析与绕行
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了两种新的拆分策略(cost splitting和disjoint cost splitting)，用于解决MO-CBS算法中的重复搜索问题，并证明了这些拆分策略与MO-CBS既完整又最优。实验结果表明，disjoint cost splitting是最佳的拆分策略，可将MO-CBS加速两个数量级并在各种情景下显著提高其成功率。
🎯
关键要点
- 提出了两种新的拆分策略：cost splitting 和 disjoint cost splitting。
- 这些拆分策略用于解决 MO-CBS 算法中的重复搜索问题。
- 证明了拆分策略与 MO-CBS 既完整又最优。
- 实验结果显示，disjoint cost splitting 是最佳的拆分策略。
- disjoint cost splitting 可将 MO-CBS 加速两个数量级。
- 在各种情景下显著提高了 MO-CBS 的成功率。
➡️
