- 任务划分
1.1 区域划分
输入:小车的数量n
输出:n个区域
优化目标:负载均衡。每个区域的大小一致,或者每个区域的遍历路径长度一致(与下一任务有关)
1.2 寻径
输入:一个区域
输出:遍历路径
优化目标:路径最短,相应的花费时间最短
1.3 初始点的选取
可能不是一个问题
另外,如果能解决问题1.2,且最后的路径为一个回路,则1.1也不是问题。 - 已有的方案
2.1 问题1.2的方案
假设可以把区域划分成2*2的小方块,障碍也由这么大的小方块组成。每个小方块看成一个节点,据此利用最小生成树算法,将可达节点构建成一棵树。由于每个节点有进入、退出口,可以避免多数的重复路径。 - 如何提升问题的意义
3.1 已有方案的正确性
方案2.1能保证所有点不被重复经过吧?要控制图中各节点的度。如果度超过3,必定有重复。构建的树不是最小生成树,而是节点度尽可能均匀的树。
从图论的角度进行分析。同时,要找中国邮递员问题等图论经典问题的文献。
3.2 去掉小方块的假设
如何把确定性问题、规划问题、动态规划问题、寻径问题,转换为一个不确定性问题、机器学习问题、优化问题
3.3 问题的泛化
提出新的问题,创造新的需求
现有问题只管对区域的遍历,未考虑不同距离的观察。例如,只考虑道路两旁10米之类的观测,但有可能20米之内也有相应的观测,但并不那么清晰。即:分为清晰区与模糊区。能否在寻径的过程中,对10-20米区域进行更好的重复的覆盖?可以有不同的评价指标:如最小观察度(必须大于或等于1)。可以起到进一步的负载均衡。需要为这种泛化找到合理的解释(实际意义)。
报告讨论(ZuoHM20211008)
最新推荐文章于 2024-08-20 22:43:00 发布