基于冲突的搜索算法（CBS）个人笔记

CBS

• 实例
  • 以下将通过一个简单的实例体现CBS的基本过程：

讲解：

• 上层
  • 结点：指的是每个”小方格“；
  • 节点：树的节点；
  • (ai, aj, s, t)：ai与aj在t时刻都在s结点上；
  • OPENcbs：存放待探测的状态，与下层的OPEN意思一样，都是将下一步（某时刻）可能要走的结点存放进来；
  • N：为结点；
  • N.constraints：一个约束集，包含对问题中所有 Agent 的约束；（我们要做的就是在某个结点上给定的约束集中，帮Agent规划避开在该结点的约束集后的其最佳路线）；
  • N.solution：问题的一个解，这个解可能不是有效的，但是这个解中所有 的 Agent 的路径都满足该结点 的约束集中的约束；（看例子：在节点1，我们发现，他们在3结点冲突了，于是得到了节点2和节点3，这两个节点均得到了3结点的解，满足了该结点的约束集，但是整条路径下来，两个还是会撞上，因此不是有效的）；
  • N.cost：该结点解的代价。（我们避开该结点的约束集可能有很多解，所以我们需要求解的代价，然后得到该结点的解中代价最小的那个）；

• 下层
  • A*算法

流程：

CBS算法流程，即初始化上层的时候先计算出所有的Agent的解和其对应的总cost，令约束树为空，（解释：第一步我们无视其他Agent，得到每个Agent到指定位置的路线，其路线cost最优（小）），然后每一轮弹出约束树的cost最小的结点N（从OPEN队列中弹出），判断N中是否存在一个冲突，只需要找到一个即可，用（ai,aj,s,t）表示冲突，然后生成两个子结点N1,N2，并且都值传递继承节点N的内容，存进OPEN，接着将冲突（ai,aj,s,t）分成约束结点(ai,s,t)和(aj,s,t)，一个加入到N1约束树中，一个加入到N2约束树中，（解释：我们以一个Agent为视角，走到s时发生冲突，那我退回去上个结点，然后此时我继承了s点冲突的信息，也就是说也保留了约束集，所以这台Agent会重新规划最优路线（cost最小），以保证自己在t时间内避开s，即约束集），对于N1而言，ai的约束发生了变化，因此需要对ai进行重新规划，规划时需要在约束树下进行规划，最后更新ai的路径和cost值并插入到上层优先队列中OPEN中，接着对N2进行同样的操作，直到取出的N检测没有冲突时返回结点N即可。

个人理解环节：

个人理解环节：上层其实和下层一样，都是A*，都是我（为一台Agent）走一步计算一步，每一步都是最优的，然后上层呢，就是我在某个结点和其他Agent撞上了，就记录下该时间该结点我不能走这个结点，于是我就重新规划绕开走（这里相当是发配命令给下层，让下层通过A*得到这台Agent一条路径，然后将这条路径反馈给上层，上层将其放入解中，分析这个解是否有效），然后因为我们是多台Agent，那么就产生了分支，树也就建出来了：我们假设是两台（a1，a2），一条分支a1动，a2不动；一条分支a2动，a1不动；但是呢，我绕开了这个结点，也不能保证，在绕开该结点后，我这台Agent就不撞上了，所以下一步就会继续寻找撞上的结点，再次进行避开操作，于是又产生了分支，以此类推，最终找到所有Agent不碰撞的解（路径）。