一篇新研究论文探讨了 r-Connected Unlabeled Multi-agent Pathfinding (rCUMAPF) 问题的复杂性,这是多智能体路径寻找 (Multi-Agent Path Finding) 的一个变体,它包含了邻近约束。该研究表明,当邻近范围在 2 到 O(|V|^(1-epsilon)) 之间时,寻找 rCUMAPF 的 makespan 最优解是 NP-hard 的,这缩小了对其计算难度理解的差距。这一发现对需要智能体保持群体凝聚力的应用(如编队行驶和自重构)具有启示意义。 AI
影响 这项研究有助于对多智能体协调的理论理解,可能为未来需要智能体保持邻近性的 AI 系统提供信息。
排序理由 学术论文发表在 arXiv 上,详细介绍了多智能体路径寻找问题的新计算复杂度结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →