LayeredMAPF: a decomposition of MAPF instance without compromising solvability

要約

一般に、マルチエージェント パス検索 (MAPF) に必要な計算およびメモリ スペースは、エージェントの数が増加するにつれて指数関数的に増加します。
このため、限られた計算リソースとメモリ空間では一部の MAPF インスタンスが解決できないことが多く、その結果、複雑なシナリオでの MAPF の適用が制限されます。
したがって、我々は、多数のエージェントが関与するインスタンスを、少数のエージェントが関与する複数の分離された部分問題に分解する、MAPF インスタンスの分解アプローチを提案します。
さらに、一般的な MAPF アルゴリズムが各部分問題を独立して解決し、解決可能性を損なうことなく、それらの解決策を競合のない 1 つの最終的な解決策にマージできるようにするフレームワークを提示します。
MAPF の時間コストを削減することを目的とした個別の手法を提案する既存の研究とは異なり、私たちの手法はすべての MAPF 手法に適用できます。
私たちの結果では、古典的な MAPF ベンチマーク (https://movingai.com/benchmarks/mapf.html) を使用して、複数の最先端の MAPF メソッドに分解を適用しています。
MAPF インスタンスの分解は平均して 1 秒以内に完了し、これを 7 つの MAPF メソッドに適用すると、特にシリアル メソッドの場合、メモリ使用量と時間コストが大幅に削減されます。
コミュニティ内でのさらなる研究を促進するために、提案されたアルゴリズムのソース コードを公開しました (https://github.com/JoeYao-bit/LayeredMAPF)。

要約(オリジナル)

Generally, the calculation and memory space required for multi-agent path finding (MAPF) grows exponentially as the number of agents increases. This often results in some MAPF instances being unsolvable under limited computational resources and memory space, thereby limiting the application of MAPF in complex scenarios. Hence, we propose a decomposition approach for MAPF instances, which breaks down instances involving a large number of agents into multiple isolated subproblems involving fewer agents. Moreover, we present a framework to enable general MAPF algorithms to solve each subproblem independently and merge their solutions into one conflict-free final solution, without compromising on solvability. Unlike existing works that propose isolated methods aimed at reducing the time cost of MAPF, our method is applicable to all MAPF methods. In our results, we apply decomposition to multiple state-of-the-art MAPF methods using a classic MAPF benchmark (https://movingai.com/benchmarks/mapf.html). The decomposition of MAPF instances is completed on average within 1s, and its application to seven MAPF methods reduces the memory usage and time cost significantly, particularly for serial methods. To facilitate further research within the community, we have made the source code of the proposed algorithm publicly available (https://github.com/JoeYao-bit/LayeredMAPF).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google