Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Aceleración de la búsqueda focal en la búsqueda de rutas multiagente con límites inferiores más estrictos

Created by
  • Haebom

Autor

Yimin Tang, Zhenghong Yu, Jiaoyang Li, Sven Koenig

Describir

Este artículo propone DECBS, un novedoso algoritmo de aproximación para el problema de Búsqueda de Rutas Multiagente (MAPF). MAPF es un problema NP-hard en el que múltiples agentes encuentran una ruta hacia un objetivo sin colisiones. Los algoritmos de aproximación con restricciones existentes, como ECBS y EECBS, utilizan técnicas de búsqueda focal para equilibrar la eficiencia computacional y la calidad de la solución. Sin embargo, la búsqueda focal convencional presenta el problema del lento crecimiento del valor del límite inferior (LB) en las etapas iniciales, lo que limita el espacio de búsqueda. DECBS aborda este problema determinando primero el valor máximo de LB y realizando una búsqueda del mejor primero basada en este valor. Los resultados experimentales muestran que DECBS supera a ECBS en la mayoría de los casos y es compatible con las técnicas de optimización existentes. Específicamente, cuando la densidad de agentes es media-alta, DECBS logra una mejora promedio del 23,5 % en el tiempo de ejecución con respecto a ECBS bajo las mismas condiciones de límite de suboptimalidad y optimización. También reduce los nodos CT de alta dimensión en aproximadamente un 30 % y los nodos de búsqueda focal de baja dimensión en aproximadamente un 50 %.

Takeaways, Limitations

Takeaways:
Se presenta un algoritmo de aproximación eficiente, DECBS, para el problema de búsqueda de rutas de múltiples agentes.
Reducción confirmada en el tiempo de ejecución y número de nodos de búsqueda en comparación con el algoritmo ECBS existente (especialmente efectivo en entornos de alta densidad).
Ofrece potencial para mejoras de rendimiento adicionales a través de la compatibilidad con técnicas de optimización existentes.
Limitations:
La mejora del rendimiento del algoritmo propuesto no es consistente en todos los casos (es superior en la mayoría de los casos, pero no en todos).
La mejora del rendimiento de DECBS varía según la densidad del agente (más eficaz en entornos de alta densidad).
Es necesaria una mayor verificación de la generalización de los resultados experimentales presentados en el artículo.
👍