二層アリコロニー最適化によるマルチロボット配送タスク割当て手法、論文で提案

何が起きたか

arXivに2026年8月18日付けで公開された論文(識別番号2608.17416v1)において、配送用途のマルチロボットタスク割当て(MRTA)問題を扱う新手法が提案された。提案手法は、タスク割当てと経路計画を統合する新たなコスト関数を定義し、単一のコロニー内で相互依存する二つの決定層を統合した二層アリコロニー最適化(ACO)アルゴリズムを導入する。比較実験では、混合整数線形計画法(MILP)および粒子群最適化(PSO)と比較し、全タスクサイズで最短の総移動距離と最速の完了時間を達成したと報告されている。

詳細

本論文は、配送・物流アプリケーションに不可欠なマルチロボットタスク割当て(MRTA)問題に焦点を当てている。従来のMRTAではタスク割当てと経路計画を別々に扱うことが多いが、提案手法はこれらを単一の最適化問題として統一的に扱う新しいコスト関数を定義する。その上で、二層アリコロニー最適化(ACO)アルゴリズムを導入し、単一のコロニープロセス内で相互依存する二つの決定層を統合することで、複数ロボットにわたるタスク割当てと経路計画の同時最適化を可能にしている。 実験では、混合整数線形計画法(MILP)および粒子群最適化(PSO)との比較が行われ、提案手法は全タスクサイズにおいて最短の総移動距離と最速の完了時間を達成した。具体的には、ベースライン手法と比較して総移動距離を最大17.7%削減し、完了時間を約20%短縮したとされる。これらの結果から、提案手法はマルチロボット配送タスクに対して効率的でスケーラブルかつ信頼性が高いと結論付けられている。

Key Facts

なぜ重要か

この研究は、配送・物流分野におけるマルチロボットシステムの効率向上に寄与する可能性がある。タスク割当てと経路計画を統合的に最適化する手法は、実運用での時間短縮とコスト削減につながると期待される。