自动化生成多智能体行动方案的多样化课程

在灾难响应、搜索救援和军事任务等涉及多智能体的行动中，需要自动化流程来支持行动方案（COA）的规划。此外，环境中影响通行的变化（如雨、雪、障碍物等）可能会影响COA的预期性能，因此需要拥有一个在智能体间任务分布多样化的COA池。同时，智能体能力的变化（可能是人类团队和/或自主系统）为规划过程带来了实际机遇和计算挑战。

本文提出了一种新的理论公式和计算框架，用于为具有智能体-任务兼容性软变化的操作生成此类多样化的COA池。问题表述的关键是任务空间的图抽象和COA池本身以量化其多样性。将COA表述为集中式多机器人任务分配问题，使用遗传算法进行（忽略顺序的）任务分配到每个智能体，共同最大化COA池内的多样性和智能体-任务映射的整体兼容性。

然后训练图神经网络使用策略梯度方法执行每个COA中的单智能体任务排序，从而最大化适应任务特征的完成率。在模拟环境中对COA生成过程的测试表明，与随机行走基线相比性能显著提升，任务排序的最优性差距较小，并且执行时间约为50分钟，可为5个智能体/100个任务的操作规划多达20个COA。