PCBS
算法解释:
-
p:CBS算法的OPENcbs中每个结点的解有效的概率(每个结点,到目标结点的解有N个,其中该解有效的概率为p);
-
:每个结点成功找到解期望经历的迭代次数,比如场景大、Agent数量多且分布密集的情况下,p的概率可能会很小,反之 E(找到解) 的概率非常大;
-
: 假设任一时刻同时扩展的结点数不少于 n,每轮迭代中发现解的概率;
-
:假设任一时刻同时扩展的结点数不少于 n,其成功找到解期望经历的迭代次数;n越大,找到解的速度越快;
-
:
-
n: 任一时刻可以同时扩展的结点数;n线程;
-
ω: 保证所求解的代价值为与最优解代价之间的比值不超过 ω 的近似最优解(ω ≥ 1);即: 最优解代价 * ω <= 所求解的代价值;
-
-
BE表:登记正在被扩张的节点;
-
模型图:
我们得到OPENcbs中待扩充的结点中的最小代价值,和BE表中待扩充的节点的最小代价值,然后这两者分别 乘以ω ,分别记为:cost1 ,cost2;
然后得到Search Thread 多个搜索线程中的其中一个线程:Search Thread 1,它想扩充某个节点,即该结点的代价值(cost_OPENcbs)要满足: cost_OPENcbs<=cost1 且 该节点的代价值(cost_BE)也要满足cost_BE <=cost2;
最后在n个线程中得到一个具有有效解且满足条件的最小代价值。