Reduction-based Solvers for Multi-agent Pathfinding: Comparing Different Models
Redukční řešiče pro multiagentní plánování cest: porovnání modelů
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/183059Identifikátory
SIS: 254076
Kolekce
- Kvalifikační práce [11241]
Autor
Vedoucí práce
Oponent práce
Barták, Roman
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Computer Science with specialisation in Artificial Intelligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
29. 6. 2023
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
multi-agent pathfinding|reduction-based solvers|SAT|makespanKlíčová slova (anglicky)
multi-agent pathfinding|reduction-based solvers|SAT|makespan- Samyuktha Ramesh Thesis Title: Reduction-based Solvers for Multi-agent Pathfinding: Comparing Different Models Multi-agent path finding (MAPF) is the problem of navigating a set of agents from their starting position to their respective goal position without any collisions. In this thesis, we provide an overview of the current approaches to solving MAPF. We implement six different encodings found in the literature using the Python programming language and the Glucose3 SAT solver. We run experiments on maps of different types and sizes to compare the performances of the encodings.