Optimizing multi-agent pathfinding using SAT-based operator in MAPF-LNS algorithm

Abstract

This thesis addresses the Multi-Agent Path Finding (MAPF) problem by extending the MAPF- LNS2 framework with a SAT-based destroy-and-repair operator. The operator re-optimizes agent plans in local submaps using a sum-of-costs SAT encoding. We also introduce new neighborhood selection heuristics, including a fully adaptive strategy. Experiments on five maps with up to 400 agents show that SAT-based repair can improve solution quality in structured environments, while adaptive selection helps balance runtime and benefit. The approach maintains the anytime characteristics of MAPF-LNS2 and enhances its ability to improve local subplans.

Tato práce se zabývá problémem plánování cest pro více agentů (Multi-Agent Path Finding, MAPF) rozšířením frameworku MAPF-LNS2 o destroy a repair operátor založeným na převodu do SAT. Tento operátor lokálně optimalizuje trasy agentů v podmapách pomocí SAT kódování pro minimalizaci součtu nákladů. Dále představujeme nové heuristiky pro výběr neighborhood, včetně plně adaptivní strategie. Experimenty na pěti mapách s až 400 agenty ukazují, že SAT operátory mohou zlepšovat kvalitu řešení ve strukturovaných prostředích, zatímco adaptivní výběr pomáhá vyvažovat běhovou dobu a přínos. Přístup si zachovává anytime vlastnosti MAPF-LNS2 a rozšiřuje jeho schopnost zlepšovat lokální části plánů.