结构诱导探索用于多机器人路径规划

本文解决了多机器人路径规划的难题，重点关注可扩展性和平衡的任务分配。它提出了一个新颖的框架，将结构先验知识融入蚁群优化 (ACO) 中，以提高效率和公平性。该方法在各种基准测试中得到了验证，证明了比现有方法有所改进，并为物流和搜救等实际应用提供了可扩展的解决方案。

• •提出了用于多机器人路径规划的结构诱导探索框架。
• •将结构先验知识融入 ACO 以提高性能和可扩展性。
• •强调路线紧凑性、稳定性和工作负载分配。
• •在各种基准场景中进行了验证。
• •为实际应用提供了可扩展且可解释的框架。