РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ ЦЕЛЕРАСПРЕДЕЛЕНИЯ В МНОГОАГЕНТНОЙ СИСТЕМЕ

Аннотация

Рассматривается задача целераспределения в рамках многоагентной системы, где каждый агент представляется автономным роботом, а каждая задача соответствует позиции в двухмерной среде, которую должен посетить один из агентов. Эта задача по своей сути схожа с многоагентной версией классической задачи коммивояжёра, где вместо одного участника задействуется несколько агентов. Каждый из них должен пройти уникальный маршрут, охватывающий определённое множество городов. В связи с этим проводится исследование многоагентной задачи коммивояжёра как одного из форматов постановки задачи целерапределения. Эта задача имеет большое значение в области маршрутизации и оптимального распределения задач. Её решение включает две тесно связанные подзадачи: определение набора точек, закрепляемых за каждым агентом, и построение оптимального маршрута их посещения. В научной литературе представлены три основных подхода к решению этой задачи: подход одновременной оптимизации, при котором обе подзадачи решаются совместно; подход Cluster-First, Route-Second, где сначала распределяются города между агентами, а затем определяется порядок посещения городов каждого агента; подход Route-First, Cluster-Second, предполагающий изначальную оптимизацию порядка посещения всех городов с последующим его делением между агентами без изменения порядка посещения. В данной работе предлагается гибридный метод, сочетающий элементы подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Цель – объединить сильные стороны обеих подходов и избавится от их недостатков. Для проверки эффективности разработанного метода проведено сравнительное исследование с методами, реализующие подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Оценка проводилась по трём основным метрикам: время, затраченное на построение решения, суммарная длина всех маршрутов, а также максимальная длина маршрута среди всех агентов. Результаты экспериментов показали, что применение предложенного метода позволяет сократить максимальную длину маршрута (тем самым снизив дисбаланс нагрузки между агентами) в среднем на 26%.