Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Exploiting the Beta Distribution-Based Reputation Model in Recommender System Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

DMAPP: A Distributed Multi-agent Path Planning Algorithm

verfasst von : Satyendra Singh Chouhan, Rajdeep Niyogi

Erschienen in: AI 2015: Advances in Artificial Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Multi-agent path planning is a very challenging problem that has several applications. It has received a lot of attention in the last decade. Multi-agent optimal path planning is computationally intractable. Some algorithms have been suggested that may not return optimal plans but are useful in practice. These works mostly use centralized algorithms to compute plans. However in a multi-agent setting it would be more appropriate for the agents, with limited information, to compute the plans. In this paper, we suggest a distributed multi-agent path planning algorithm DMAPP, where all the phases are distributed. We have implemented DMAPP and have compared its performance with some existing algorithms. The results show the effectiveness of our approach.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Probabilistic Belief Contraction: Considerations on Epistemic Entrenchment, Probability Mixtures and KL Divergence
Nächstes Kapitel Graph-Based Collaborative Filtering Using Rating Nodes: A Solution to the High Ratings/Low Ratings Problem
Literatur
1.
Parker, L.E.: Distributed intelligence: overview of the field and its application in multi-robot systems. J. Phys. Agents 2(1), 5–14 (2008)
2.
Bernardini, S., Fox, M., Long, D.: Planning the behaviour of low-cost quadcopters for surveillance missions. In: Proceedings of ICAPS (2014)
3.
Wurman, P.R., D’Andrea, R., Mountz, M.: Coordinating hundreds of cooperative autonomous vehicles in warehouses. AI Mag. 29(1), 9 (2008)
4.
Cirillo, M., Pecora, F., Andreasson, H., Uras, T., Koenig, S.: Integrated motion planning and coordination for industrial vehicles. In: Proceedings of the 24th International Conference on Automated Planning and Scheduling, vol. 2126 (2014)
5.
Geramifard, A., Chubak, P., Bulitko, V.: Biased cost pathfinding. In: AIIDE, pp. 112–114 (2006)
6.
Hopcroft, J.E., Schwartz, J.T., Sharir, M.: On the complexity of motion planning for multiple independent objects; PSPACE-hardness of the warehouseman’s problem. Int. J. Robot. Res. 3(4), 76–88 (1984)CrossRef
7.
Standley, T.S.: Finding optimal solutions to cooperative pathfinding problems. In: AAAI, vol. 1, pp. 28–29 (2010)
8.
Sharon, G., Stern, R., Felner, A., Sturtevant, N.R.: Conflict-based search for optimal multi-agent pathfinding. Artif. Intell. 219, 40–66 (2015)MathSciNetCrossRefMATH
9.
Cohen, L., Uras, T., Koening, S.: Feasibility study: using highways for bounded-suboptimal multi-agent path finding. In: International Symposium on Combinatorial Search (SOCS) (2015)
10.
11.
Silver, D.: Cooperative pathfinding. In: AIIDE, pp. 117–122 (2005)
12.
Surynek, P.: A novel approach to path planning for multiple robots in bi-connected graphs. In: IEEE International Conference on Robotics and Automation, 2009, pp. 3613–3619 (2009)
13.
Botea, A., Surynek, P.: Multi-agent path finding on strongly biconnected digraphs. In: Twenty-Ninth AAAI Conference on Artificial Intelligence (2015)
14.
de Wilde, B., Ter Mors, A.W., Witteveen, C.: Push and rotate: a complete multi-agent pathfinding algorithm. J. Artif. Intell. Res. 51, 443–492 (2014)MathSciNetMATH
15.
Wang, K.-H.C., Botea, A.: Tractable multi-agent path planning on grid maps. In: IJCAI, pp. 1870–1875 (2009)
16.
Van Den Berg, J.P., Overmars, M.H.: Prioritized motion planning for multiple robots. In: International Conference on Intelligent Robots and Systems (IROS 2005), pp. 430–435 (2005)
17.
Wilt, C., Botea, A.: Spatially distributed multiagent path planning. In: Twenty-Fourth International Conference on Automated Planning and Scheduling (2014)
18.
Liu, S., Sun, D., Zhu, C.: A dynamic priority based path planning for cooperation of multiple mobile robots in formation forming. Robot. Comput. Integr. Manuf. 30(6), 589–596 (2014)CrossRef
19.
Yu, W., Peng, J., Zhang, X.: A prioritized path planning algorithm for MMRS. In: 33rd Chinese Control Conference (CCC 2014), pp. 966–971 (2014)
20.
21.
De Weerdt, M.M., Clement, B.: Introduction to planning in multiagent systems. Multiagent Grid Syst. 5(4) (2009) (preprint)
22.
Wang, K.-H.C., Botea, A.: Mapp: a scalable multi-agent path planning algorithm with tractability and completeness guarantees. J. Artif. Intell. Res. 42, 55–90 (2011)MathSciNetMATH
23.
Lynch, N.A.: Distributed Algorithms. Morgan Kaufmann, San Francisco (1996)MATH
24.
Hoffmann, J., Nebel, B.: The FF planning system: fast plan generation through heuristic search. J. Artif. Intell. Res. 14, 253–302 (2001)MATH
Metadaten
Titel
DMAPP: A Distributed Multi-agent Path Planning Algorithm
verfasst von
Satyendra Singh Chouhan
Rajdeep Niyogi
Copyright-Jahr
2015
Buch
AI 2015: Advances in Artificial Intelligence

Print ISBN: 978-3-319-26349-6

Electronic ISBN: 978-3-319-26350-2

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-26350-2_11