报告讨论（ZuoHM20211008）

原始报告

1. 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。
2. 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。
3. 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）。