Improved graph pruning for multi-agent pathfinding using heuristics

Abstract

In this work, we focus on improving the solution finding process of the multi-agent pathfinding (MAPF) problem by extending graph-pruning techniques through heuristic- based selection of ground vertices, which they rely on. Finding an solution to a MAPF problem which is represented by collision-free paths for all agents from start to goal po- sitions becomes NP-hard when optimality is required. Conventional algorithms struggle with scalability on large maps, motivating alternative approaches. Building on our previ- ous work, we propose five progressively more sophisticated heuristics for selecting ground vertices based on agent paths. These approaches introduce various improvements, such as minimizing spatial and temporal conflict on vertices and edges while adding agent prioritization. Experimental evaluations demonstrate that the RPS algorithm presented in the end significantly outperforms the others, achieving the highest success rate and the fastest computation times and, in many cases, solving instances independently without the need for further solving. Our results confirm that careful ground vertex selection can substantially improve MAPF solving efficiency by graph-pruning techniques, especially on large-scale maps.

V této práci se zaměřujeme na zlepšení procesu hledání řešení problému multiagent- ního plánování cest (MAPF) rozšířením technik ořezávání grafu pomocí heuristického výběru klíčových vrcholů, na kterých tyto techniky závisejí. Nalezení řešení MAPF pro- blému, které je reprezentováno bezkolizními cestami všech agentů z počátečních do cí- lových pozic, se při požadavku na optimálnost stává NP-úplným problémem. Tradiční algoritmy narážejí na problémy se škálovatelností na velkých mapách, což motivuje hle- dání alternativních přístupů. Navazujeme na naši předchozí práci a navrhujeme pět po- stupně sofistikovanějších heuristik pro výběr klíčových vrcholů na základě jednotlivých cest agentů. Tyto přístupy zavádějí různá vylepšení, jako je minimalizace prostorových a časových konfliktů vzniklých na vrcholech a hranách pričemž zavádí prioritizaci agentů. Experimentální vyhodnocení ukazuje, že algoritmus RPS představený na závěr výrazně překonává ostatní přístupy, dosahuje nejvyšší úspěšnosti a nejrychlejších výpočetních časů a ve většině případů řeší instance samostatně bez nutnosti dalšího řešení. Naše výsledky potvrzují, že pečlivý výběr klíčových vrcholů může výrazně zlepšit efektivitu řešení MAPF pomocí technik ořezávání grafu, zejména na rozsáhlých mapách.