具有混合GPU-CPU加速的多目标任务分配和多智能体规划
摘要：多智能体系统中，任务集合和代理组的分配和规划是一个重要的问题。普遍存在的一个瓶颈是可扩展性问题，因为一般情况下，多智能体模型的规模随着代理数量的增加呈指数增长。我们考虑随机任务分配和多目标约束下的多智能体规划问题，并表明这个问题可以分散到每个个体的代理-任务模型中。我们提出了一种点导向帕累托计算算法，该算法检查给定成本和概率阈值对应的点是否可行。如果给定的点不可行，我们的算法找到一个最接近给定点的帕累托最优解。我们提供了第一个同时使用GPU和多核加速的多目标模型检查框架。我们的框架将CPU和GPU设备管理为一个负载平衡的并行计算问题。我们的实验表明，并行化计算可以显著提高运行时间。
作者：Thomas Robinson, Guoxin Su
论文ID：2305.04397
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2023-05-09