多智能体多任务路径规划的仿真分析.pdfVIP

软件开发

多智能体多任务路径规划的仿真分析

凌姿瑀，陈钇行，徐安，余佳欣

（杭州电子科技大学，浙江杭州，310018）

摘要：在自动化仓储系统中应用广泛的多智能体多任务路径规划问题属于MAPF问题，该问题已被证明为NP-难问题，传统方法难以对其

进行高效求解。为解决这一难题，本文提出了一种融合CBS冲突搜索和蚁群算法的解决方法。首先，在不考虑冲突的情况下，使用蚁群算

法依据时空A*算法求得的不同路径所需时间初步分配任务，再通过CBS冲突搜索算法进行包含冲突的多智能体路径规划。经过实验仿真分

析，结果表明研究提出的方法能够高效解决多智能体多任务路径规划问题。

关键词：MAPF问题；CBS冲突搜索算法；时空A*算法；蚁群算法

中图分类号：TP273+�5文献标识码：A

0引言这使得路径规划必须考虑任务分配问题。

智能体初始位置位于任意可通行网格。在每一个时间步

自动化仓储系统作为当代科技发展的产物，在现代供

内，智能体可以选择静止在原地或在上下左右四个方向上任

应链管理尤其是3PL企业中极大提高了物流效率。移动机

意选择一个可通行网格方向移动，即四邻域运行。另外，多

器人作为提高物流效率的重要载体，如何在无冲突和碰撞

个智能体同时移动时需要避免发生碰撞。因此，要求在任意

的情况下规划机器人移动路径问题是近年来国内外学者研

时间步中不能有两个及以上智能体处于同一网格中，即点冲

究的热点问题。

突；另外，任意时间步不得存在两个及以上智能体的移动经

针对单一机器人的路径规划问题，中外学者们已提出

过同一边，即线冲突，如图1所示。

A*算法、Dijkstra算法、匈牙利算法[1]等路径规划方法。

而在实际应用中，移动机器人的路径规划需要解决多机器

人协同多任务时面临的路径冲突、任务分配等复杂问题。

由于多智能体路径搜寻（MAPF）问题已被证实属于NP-难

问题[2]，传统路径规划方法难以解决这一优化问题。因而，

如何在实际工程场景中实现高效任务分配与路径规划，仍

是当前亟待持续优化的关键问题。

Sharon[3]等人提出的CBS冲突搜索算法具备迭代速度（a）点冲突（b）线冲突

快、适配大规模智能体环境等优势[4]，适用于求解MAPF图1冲突示意图

问题，但当任务与智能体数量不对等时，算法难以平衡路

2相关工作

径规划与任务分配；Dorigo[5]提出的蚁群算法用于灵活解

决任务分配问题，而在路径规划中存在收敛速度慢等问题。■2.1时空A*算法

本研究在保留CBS算法优点的前提下融合蚁群算法，首先传统A*算法主要用于二维或三维静态空间的路径规划，

利用蚁群算法进行任务分配，再利用CBS算法进行路径规不涉及空间状态的变化，难以应对空间状态发生变化的多智

划，并进行仿真测试分析算法的合理性。能体路径搜寻问题。而时空A*算法在传统A*算法的基础上

引入时间维度，形成四维状态空间，在保留传统算法优势的

1问题描述