自适应延迟启发式的任意多智能体路径规划
原文中文,约400字,阅读约需1分钟。发表于: 。基于自适应选择机制和破坏启发式的自学习增强改进的 MAPF-LNS 变种 ADDRESS 能够在多智能体路径规划中获得较低的解决方案成本。
多智能体路径规划是解决一组智能体到达目标位置的无碰撞路径问题。研究者提出了一种基于机器学习的方法,通过改进局部策略来解决死锁和实现完全水平的规划。实验证明该方法在高拥塞场景中具有良好的可扩展性。
基于自适应选择机制和破坏启发式的自学习增强改进的 MAPF-LNS 变种 ADDRESS 能够在多智能体路径规划中获得较低的解决方案成本。
多智能体路径规划是解决一组智能体到达目标位置的无碰撞路径问题。研究者提出了一种基于机器学习的方法,通过改进局部策略来解决死锁和实现完全水平的规划。实验证明该方法在高拥塞场景中具有良好的可扩展性。