计算机科学 > 多智能体系统
[提交于 2025年5月15日
]
标题: 多智能体路径搜索对于大规模智能体是难以处理的
标题: Multi-Agent Path Finding For Large Agents Is Intractable
摘要: 多智能体路径寻找(MAPF)问题要求在一个图上找到一组路径,使得当这些路径同步执行时,智能体之间不会发生冲突。 在最广泛的MAPF公式化中,所谓的经典MAPF问题中,忽略了智能体的大小,并且考虑了两种类型的冲突:占据同一顶点或在同一时间步骤使用同一条边。 同时,在许多实际应用中,例如在机器人学中,考虑到智能体的大小对于确保MAPF解决方案能够安全执行至关重要。 引入大智能体会产生一种额外的冲突类型,即当一个智能体沿着某条边移动时,它的身体与另一个实际上没有使用这条边的智能体的身体重叠(例如,停留在图中的某个不同顶点上)。 直到现在,还不清楚在规划时考虑这种冲突会使问题变得多么困难。 具体来说,已知无向图上的经典MAPF问题可以在多项式时间内解决,然而还没有提出能够在多项式时间内解决具有大智能体的MAPF问题的完整算法。 在本文中,我们首次证明后一个问题是一个NP难问题,因此,如果P≠NP,则不幸的是无法提出一个多项式时间算法来解决它。 我们的证明基于该领域普遍采用的技术,即将著名的3SAT问题(已知是一个NP完全问题)归约到当前问题。 具体而言,对于任意的3SAT公式,我们构造一个专用的图,具有特定的起始和目标顶点,并表明给定的3SAT公式可满足当且仅当相应的路径寻找实例有一个解。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.