[论文解读] Efficient routing of multiple vehicles with no communications

Alessandro Arsie, Emilio Frazzoli|ArXiv.org|Sep 22, 2006

Distributed Control Multi-Agent Systems参考文献 23被引用 9

一句话总结

本文提出了一种无需通信的多移动智能体运动协调策略，以在随机时空过程中高效地路由并服务动态生成的目标。这些智能体在不进行显式通信的情况下，仅依靠本地状态和历史访问数据，即可实现接近最优的预期服务时间性能，其稳态性能与已知最佳的去中心化策略相当。

ABSTRACT

In this paper we consider a class of dynamic vehicle routing problems, in which a number of mobile agents in the plane must visit target points generated over time by a stochastic process. It is desired to design motion coordination strategies in order to minimize the expected time between the appearance of a target point and the time it is visited by one of the agents. We propose control strategies that, while making minimal or no assumptions on communications between agents, provide the same level of steady-state performance achieved by the best known decentralized strategies. In other words, we demonstrate that inter-agent communication does not improve the efficiency of such systems, but merely affects the rate of convergence to the steady state. Furthermore, the proposed strategies do not rely on the knowledge of the details of the underlying stochastic process. Finally, we show that our proposed strategies provide an efficient, pure Nash equilibrium in a game theoretic formulation of the problem, in which each agent's objective is to maximize the number of targets it visits. Simulation results are presented and discussed.

研究动机与目标

• 设计高效、去中心化的多移动智能体运动协调策略，以在无显式通信的情况下服务动态生成的目标。
• 分析在动态车辆路径规划问题中，实现最优稳态性能是否需要智能体之间的通信。
• 证明最小信息策略可实现与完全去中心化、通信启用策略相当的性能。
• 在智能体自私行动但实现高效集体结果的游戏理论框架中，证明纯纳什均衡的存在性。
• 评估所提策略在不同目标生成速率下的性能表现，尤其关注高负载下可能出现的效率下降问题。

提出的方法

• 智能体采用基于追踪和重访先前访问过的目标点的无通信策略，并维护过去访问的历史记录。
• 引入一种基于传感器的策略，智能体通过估计其他智能体的位置并调整其路径规划以避免重复目标。
• 系统将目标生成建模为在有界凸区域 Ω 上的时空泊松过程，强度为 λ，空间密度为 φ。
• 通过收敛到全局代价函数的临界点来分析性能，最优配置与中位数Voronoi剖分相关联。
• 理论分析证明，在所提策略下，性能函数会收敛到局部最小值或鞍点。
• 博弈论分析表明，即使智能体自私地最大化自身目标访问次数，遵循所提策略仍可达到纯纳什均衡。

实验结果

研究问题

• RQ1 是否可以在不进行任何显式智能体间通信的情况下实现多车辆的高效路径规划？
• RQ2 缺乏通信是否会导致稳态性能相比通信启用策略下降？
• RQ3 在不同目标生成速率下，所提策略的性能如何，特别是在高负载区域？
• RQ4 在自私智能体的博弈论设定中，去中心化、无通信策略是否仍能实现纯纳什均衡？
• RQ5 最小信息策略与已知去中心化策略相比，在收敛性和最优性方面表现如何？

主要发现

• 无通信策略在稳态下实现了与最佳已知去中心化策略相当的性能，尽管缺乏显式协调。
• 基于传感器的策略仅依赖于对其他智能体当前位置的估计，在高负载极限下性能与最优去中心化方法相当。
• 数值结果表明，无通信策略在高目标生成速率（λ）下性能显著下降，在中间范围内接近单智能体系统性能。
• 在高负载区域，无通信策略的性能得到恢复，并趋近于基于传感器的策略性能，表明其渐近收敛至最优行为。
• 所提策略无需了解目标生成过程或空间分布的详细信息，仅需路径连通性和分布的绝对连续性。
• 系统收敛至全局性能函数的临界点，最优配置对应于中位数Voronoi剖分。