[论文解读] Optimal Multi-Robot Path Planning on Graphs: Structure and Computational Complexity

Jingjin Yu, Steven M. LaValle|arXiv (Cornell University)|Jul 12, 2015

Robotic Path Planning Algorithms参考文献 7被引用 32

一句话总结

本文通过从3SAT问题进行约化，证明了在图上对四个关键目标——总到达时间、完成时间、总距离和最大距离——进行最优多机器人路径规划（MPP）的计算不可解性，表明每个目标均为NP难。此外，研究进一步表明这些目标在结构上互不相容，即不存在单一解能同时优化任意一对目标，揭示了多机器人优化中的根本权衡。

ABSTRACT

We study the problem of optimal multi-robot path planning on graphs (MPP) over four distinct minimization objectives: the total arrival time, the makespan (last arrival time), the total distance, and the maximum (single-robot traveled) distance. On the structure side, we show that each pair of these four objectives induces a Pareto front and cannot always be optimized simultaneously. Then, through reductions from 3-SAT, we further establish that computation over each objective is an NP-hard task, providing evidence that solving MPP optimally is generally intractable. Nevertheless, in a related paper, we design complete algorithms and efficient heuristics for optimizing all four objectives, capable of solving MPP optimally or near-optimally for hundreds of robots in challenging setups.

研究动机与目标

• 分析多机器人路径规划（MPP）中四个常见最优性目标——总到达时间、完成时间、总距离和最大距离——之间的结构性权衡。
• 确定这些目标是否可以被单一解同时优化，揭示最优解中的固有不相容性。
• 确立每个目标优化的计算复杂度，表明所有目标均为NP难。
• 研究NP难性在简化设置下是否依然成立，例如当机器人被分为两组可互换的类型时。
• 通过识别计算不可解的问题变体和结构性限制，为MPP中的算法设计提供理论基础。

提出的方法

• 构建无限多组MPP实例，证明不存在任何解能同时优化四个目标中的任意一对，从而证明帕累托不相容性。
• 使用从经典NP难问题3SAT的约化，证明四个MPP目标的NP难性。
• 修改现有的MPP组件构造（变量、文字、交换和汇点组件），在保持3SAT结构的同时强制执行距离约束。
• 引入单向路径和额外顶点，以在最大距离目标中强制实现均匀的行程距离，确保不会出现非预期的捷径。
• 证明所添加的结构不会增加路径灵活性，从而在MPP公式中保持原始3SAT实例的困难性。
• 通过证明问题属于NP且通过约化证明NP难性，确立了总距离和最大距离MPP变体的NP完全性。

实验结果

研究问题

• RQ1 是否存在某个解能同时优化四个MPP目标中的任意两个——总到达时间、完成时间、总距离和最大距离？
• RQ2 MPP中最小化总到达时间的问题是否为NP难？该困难性在结构约束下是否依然存在？
• RQ3 当机器人被划分为仅两种可互换类型时，MPP中最小化最大距离的NP难性是否仍然成立？
• RQ4 在优化不同MPP目标时，会涌现出哪些结构性特征？这些特征如何限制解的设计？
• RQ5 能否利用目标之间的内在不相容性来在实践中指导启发式或近似算法的设计？

主要发现

• 四个MPP目标中的任意一对均会形成帕累托前沿，意味着不存在解能同时最小化这两个目标。
• 任意两个目标的最优解之间的差异可无限大，表明存在强烈的结构性不相容性。
• 通过从3SAT约化，证明了对四个目标——总到达时间、完成时间、总距离和最大距离——进行优化均为NP难。
• 即使将机器人仅划分为两组可互换的类型，总距离和最大距离MPP的NP难性依然成立。
• 最大距离MPP的证明表明，所添加的顶点和边不会提供非预期的路径灵活性，从而保持了原始3SAT实例的困难性。
• 结果表明，精确的最优MPP在计算上是不可行的，这在实践中促使人们采用启发式和近似算法。