群制御2026/8/18arXiv:2608.17416v1

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リコロニー最適化

Bi-Layer Ant Colony Optimization for Multi-Robot Task Allocation and Routing in Delivery Applications

配送用マルチロボットのタスク割り当てと経路計画を同時に最適化する二層アリコロニー最適化アルゴリズムを提案し、既存手法より総移動距離と完了時間を最大約18%削減した。

詳しい要約

1. どんなもの？

本論文は、配送・物流アプリケーションにおけるmulti-robot task allocation (MRTA)問題を扱う。新しいコスト関数を定義してMRTAをタスク割り当てとルーティングの両方を捉える統一最適化問題に変換し、単一のコロニープロセス内で相互依存する2つの決定層を統合するbi-layer ant colony optimization (ACO)アルゴリズムを提案する。この階層的枠組みにより、複数ロボットのタスク割り当てと経路計画を同時に最適化する。

2. 先行研究と比べてどこがすごい？

先行研究では、MRTAをタスク割り当てとルーティングを分離して解くことが多く、統一的な最適化が課題だった。本手法は、新しいコスト関数により両者を統合した問題に変換し、bi-layer ACOで同時最適化を実現している点が優れている。また、MILPやPSOと比較して、総移動距離と完了時間の両方で優れた性能を示し、最大17.7%の距離削減と約20%の時間短縮を達成している。

3. 技術・手法の肝は？

手法の核は、MRTAをタスク割り当てとルーティングを同時に考慮する統一最適化問題として定式化する新しいコスト関数の定義と、単一のACOプロセス内で2つの相互依存する決定層（タスク割り当て層とルーティング層）を統合するbi-layer ACOアルゴリズムの導入である。これにより、タスク割り当てと経路計画を同時に最適化する。

4. どうやって有効だと検証した？

提案手法の有効性は、mixed-integer linear programming (MILP)とparticle swarm optimization (PSO)をベースラインとする比較実験により検証された。様々なタスクサイズで実験を行い、提案手法が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することを示した。具体的には、ベースラインと比較して総移動距離を最大17.7%、完了時間を約20%削減した。

5. 議論はある？

要旨からは、提案手法の限界や特定の条件下での性能低下などの議論は明示されていない。また、実世界の動的環境や不確実性への対応、計算コストの詳細、他のアルゴリズムとの比較における公平性などについては言及がない。

6. 次に読むべき論文は？

要旨で参照・比較されている研究は、mixed-integer linear programming (MILP)とparticle swarm optimization (PSO)である。次に読むべき論文としては、これらのベースライン手法の詳細を扱った論文や、MRTA分野の他の関連手法（例：遺伝的アルゴリズム、市場ベースアプローチ）を扱った論文が考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Le Na Nguyen, Thanh Long Nguyen, Thanh Thao Ton Nu, Quan Le, Manh Duong Phung

分類: cs.RO

原文アブストラクト

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.

arXivで原文を読む →arXiv概要ページ

← 論文一覧