論文の概要: Bi-Layer Ant Colony Optimization for Multi-Robot Task Allocation and Routing in Delivery Applications
- arxiv url: http://arxiv.org/abs/2608.17416v1
- Date: Tue, 18 Aug 2026 06:36:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.23249
- Title: Bi-Layer Ant Colony Optimization for Multi-Robot Task Allocation and Routing in Delivery Applications
- Title（参考訳）: 配送アプリケーションにおけるマルチロボットタスク割り当てとルーティングのための二層アントコロニー最適化
- Abstract要約: 本稿では,マルチロボットタスク割り当て(MRTA)問題を統一最適化問題に変換する新しいコスト関数を定義する。
次に、二層アリコロニー最適化(ACO)アルゴリズムを導入し、2つの決定層を単一のコロニープロセスに統合して問題を解決する。
混合整数線形計画法 (MILP) と粒子群最適化 (PSO) の比較実験により, 提案した二層ACOが最短全走行距離と最短完了時間を達成することを示した。
- 参考スコア（独自算出の注目度）: 1.7650642097771525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the multi-robot task allocation (MRTA) problem, which is essential for delivery and logistics applications. Our approach first defines a new cost function that transforms the MRTA into a unified optimization problem capturing both task assignment and routing. A bi-layer ant colony optimization (ACO) algorithm is then introduced, integrating two interdependent decision layers within a single colony process to solve the problem. This hierarchical framework enables simultaneous optimization of task allocation and route planning across multiple robots. Comparative experiments with mixed-integer linear programming (MILP) and particle swarm optimization (PSO) demonstrate that the proposed bi-layer ACO achieves the shortest total travel distance and fastest completion time across all task sizes. Specifically, it reduces total travel distance by up to 17.7% and completion time by nearly 20% compared with baseline methods. These results confirm the efficiency, scalability, and reliability of the proposed bi-layer ACO for multi-robot delivery tasks.
- Abstract（参考訳）: 本稿では,マルチロボットタスクアロケーション(MRTA)問題に対処する。
提案手法はまず,MRTAをタスク割り当てとルーティングの両方をキャプチャする統一最適化問題に変換する,新たなコスト関数を定義する。
次に、2層アリコロニー最適化(ACO)アルゴリズムを導入し、2つの相互依存的な決定層を単一のコロニープロセスに統合して問題を解決する。
この階層的なフレームワークは、複数のロボット間のタスク割り当てとルート計画の同時最適化を可能にする。
混合整数線形計画法 (MILP) と粒子群最適化法 (PSO) の比較実験により, 提案した二層ACOは全タスクサイズで最短全走行距離と最短完了時間を達成することを示した。
具体的には、総走行距離を17.7%、完了時間を基準法と比較して20%近く削減する。
これらの結果から, マルチロボット配送作業における2層ACOの効率性, スケーラビリティ, 信頼性が確認された。
関連論文リスト
- optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。
LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
論文 参考訳（メタデータ） (2026-05-19T10:18:12Z) - Distributionally Robust Multi-Task Reinforcement Learning via Adaptive Task Sampling [11.13427204975652]
マルチタスク強化学習は、複数のタスクにまたがるパフォーマンスを効率的に最適化するために、単一のエージェントを訓練することを目的としている。
すべてのタスクを共同で最適化することは、しばしば不均衡な学習をもたらす:エージェントはすぐに簡単なタスクを解決しますが、より難しいタスクについてゆっくりと学習します。
標準MTRLは、各タスクに同じ数の環境相互作用を割り当て、データを簡単にタスクに過度に割り当てる。
DRATSは、サンプリングタスクが解決されないように適応的に優先順位付けするアルゴリズムである。
論文 参考訳（メタデータ） (2026-05-14T04:22:24Z) - Multi-Task Bayesian Optimization for Tuning Decentralized Trajectory Generation in Multi-UAV Systems [39.146761527401424]
我々は,各タスクを,特定のドローンとドローンの相互作用によって定義された軌道生成シナリオとして扱う。
タスク間の共有構造をキャプチャし,効率的な情報伝達を可能にするマルチタスクガウスプロセスを採用している。
単一タスクの最適化は、Swarmのサイズが大きくなるにつれて徐々に短いミッション時間をもたらすが、平均タスクのアプローチよりもはるかに多くの最適化時間を必要とすることを示す。
論文 参考訳（メタデータ） (2025-12-09T14:14:40Z) - Balancing Efficiency and Fairness: An Iterative Exchange Framework for Multi-UAV Cooperative Path Planning [6.14294229178003]
マルチUAV協調経路計画(MU CPP)はマルチエージェントシステムにおける基本的な問題である。
本稿では,MU CPPのための新しい反復交換フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-29T09:41:22Z) - Dependency-Aware Task Offloading in Multi-UAV Assisted Collaborative Mobile Edge Computing [53.88774113545582]
本稿では,新しい無人航空機(UAV)による協調移動エッジコンピューティング(MEC)フレームワークを提案する。
システムコストを最小限に抑え、タスク消費とエネルギー消費のトレードオフを改善することを目的としている。
提案手法はシステムコストを大幅に削減し,タスク消費とエネルギー消費のトレードオフの改善を実現する。
論文 参考訳（メタデータ） (2025-10-23T02:55:40Z) - Oranits: Mission Assignment and Task Offloading in Open RAN-based ITS using Metaheuristic and Deep Reinforcement Learning [10.571108374756184]
オープンLAN(Open RAN)ベースのインテリジェントトランスポートシステム(ITS)におけるミッション割り当てとタスクオフロードについて検討する。
既存の研究はしばしば、ミッション間の複雑な相互依存と、エッジサーバへのタスクのオフロードに伴うコストを見落としている。
我々は、オーラニッツ(Oranits)という、ミッション依存とオフロードコストを明示的に考慮し、車両の協調によって性能を最適化する新しいシステムモデルを紹介した。
論文 参考訳（メタデータ） (2025-07-25T23:13:09Z) - Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。
本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-14T06:17:33Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳（メタデータ） (2022-09-07T00:35:27Z) - Distributed Allocation and Scheduling of Tasks with Cross-Schedule
Dependencies for Heterogeneous Multi-Robot Teams [2.294915015129229]
本稿では,異なるロボットのタスクが時間的・優先的な制約に強く結びついているミッションに対して,タスク割り当てとスケジューリングを行うアルゴリズムを提案する。
マルチロボットシステムによって維持される温室の実用ユースケースへの計画手順の適用。
論文 参考訳（メタデータ） (2021-09-07T13:44:28Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳（メタデータ） (2020-05-27T01:10:41Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。