基于冲突优先级变次优因子的EECBS多机器人路径规划

在多机器人路径规划(multi robot path planning,MRPP)过程中,最优路径之间无法规避的关键冲突对路径求解效率具有较大影响。为解决这一问题,提出一种基于冲突优先级变次优因子的多机器人路径规划方法。在融合显式估计的冲突搜索(explicit estimation conflict-based search,EECBS)算法下层执行路径搜索;在EECBS算法框架的上层对冲突优先级进行判断,并自适应增加关键冲突机器人的次优因子;通过分析关键冲突周围邻域的障碍物分布影响路径节点自由度情况,进一步调整关键冲突机器人的次优因子。在多个标准地图下的实验结果表明,相较于EECBS算法,本文方法的求解时间改善了8.35%~49.14%,上层冲突节点的二叉约束树(constraint tree,CT)拓展量改善了3.79%~55.22%,验证了本文方法的有效性。