Combining Strengths of Optimal Multi-Agent Path Finding Algorithms
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10408108" target="_blank" >RIV/00216208:11320/19:10408108 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.5220/0007470002260231" target="_blank" >http://dx.doi.org/10.5220/0007470002260231</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5220/0007470002260231" target="_blank" >10.5220/0007470002260231</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Combining Strengths of Optimal Multi-Agent Path Finding Algorithms
Popis výsledku v původním jazyce
The problem of multi-agent path finding (MAPF) is studied in this paper. Solving MAPF optimally is a computationally hard problem and many different optimal algorithms have been designed over the years. These algorithms have good runtimes for some problem instances, while performing badly for other instances. Interestingly, these hard instances are often different across the algorithms. This leads to an idea of combining the strengths of different algorithms in such a way that an input problem instance is split into disjoint subproblems and each subproblem is solved by appropriate algorithm resulting in faster computation than using either of the algorithms for the whole instance. By manual problem decomposition we will empirically show that the above idea is viable. We will also sketch a possible future work on automated problem decomposition.
Název v anglickém jazyce
Combining Strengths of Optimal Multi-Agent Path Finding Algorithms
Popis výsledku anglicky
The problem of multi-agent path finding (MAPF) is studied in this paper. Solving MAPF optimally is a computationally hard problem and many different optimal algorithms have been designed over the years. These algorithms have good runtimes for some problem instances, while performing badly for other instances. Interestingly, these hard instances are often different across the algorithms. This leads to an idea of combining the strengths of different algorithms in such a way that an input problem instance is split into disjoint subproblems and each subproblem is solved by appropriate algorithm resulting in faster computation than using either of the algorithms for the whole instance. By manual problem decomposition we will empirically show that the above idea is viable. We will also sketch a possible future work on automated problem decomposition.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA19-02183S" target="_blank" >GA19-02183S: Chytré roje: od teorie k praxi</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 11th International Conference on Agents and Artificial Intelligence
ISBN
978-989-758-350-6
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
226-231
Název nakladatele
scitepress
Místo vydání
neuveden
Místo konání akce
Prague
Datum konání akce
19. 2. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—