Abstract

MAPDは、

を解決する必要がある

この分野における主流なアプローチは、最初にタスク割り当てを行い、その後に経路探索を行うという逐次的な手法でMAPDを解く

本研究では、タスク割り当ての決定を（コストの）下限値による推定ではなく、実際の配送コストに基づいて行う、新しい連携手法を提案する

我々のアプローチの主な構成要素は、限界費用を用いた割り当てヒューリスティックと、LNS（Large Neighbourhood Search）に基づくメタヒューリスティック改善戦略である

さらなる貢献として、我々は各ロボットが1つだけでなく複数のタスクを同時に運ぶことができるMAPD問題の派生形についても考察する

数値シミュレーションの結果、我々のアプローチが効率的かつ高速な解を導き出すことを示しており、文献にある他の近年の手法と比較して大幅な改善が見られたことを報告する

1. INTRODUCTION

MAPDでは、一連のタスクと、協調して動くエージェント（ロボット）のチームが与えられる

私たちの仕事は2つある