Optimalizační metaheuristika pro robustní multiagentní plánování

Abstract

Tato práce se zaměřuje na problém plánování trasy pro více robotů, v této práci nazývaných agenty. Jedná se o úlohu nalezení bezkolizních tras pro více agentů z jejich startovních míst do jejich cílových lokalit. Tato práce se soustředí především na dva multiagentní algoritmy, a to algoritmus MAPF-LNS2 a algoritmus MAPF-SIPP, které jsou vylepšeny tak, aby řešily problém plánování k-robustní cesty. V k-robustním plánování trasy může být jakýkoliv z agentů zpožděn až o k kroků bez toho, aby kolidoval s jakýmkoli jiným agentem. Tato práce dále zkoumá různé strategie pro nalezení k-robustních cest. Výsledky ukazují, že navržená k-robustní metoda MAPF-LNS2 předčí standardní k-robustní algoritmus MAPF-SIPP, jak co se týče úspěšnosti nalezení řešení, tak i ceny nalezených cest.

This thesis focuses its attention on the problem of path planning for multiple robots, also referred to as agents. This is a problem of finding collision-free paths for multiple agents from each agent's start location to its goal location. This work focusses mainly on two MAPF algorithms, the MAPF-LNS2 algorithm and the MAPF-SIPP algorithm, which are being upgraded to solve a k-robust path planning problem. In the k-robust path planning, each agent can be delayed up to k time steps without colliding with any other agent. Furthermore, this thesis explores different strategies to find k-robust paths. The results show that the proposed k-robust MAPF-LNS2 method outperforms the standard $k$-robust MAPF-SIPP algorithm in terms of the success rate in finding the solutions and also in the sum of costs of the solution.