基于信号缓存与回弹探索的部分全局路径规划多目标搜索策略研究

《Engineering Applications of Artificial Intelligence》：Multi-target search with incomplete information based on partial global path planning with Signal Caching And Rebound Exploration

本文提出了一种创新的多目标搜索算法SCARE（Signal Caching And Rebound Exploration），通过整合目标信号缓存机制、约束运动模式和局部感知与全局引导协同的路径规划方法，有效解决了全局信息缺失、目标分布稀疏和环境复杂等挑战。该策略在信号缺失时利用约束行走空间和置信度评估机制提升搜索覆盖率，在信号出现时采用目标导向策略提高定位精度，在50×50含22%障碍物的地图中对4个目标的搜索成功率接近100%，展现出在复杂部分可观测环境中的强大部署潜力。

　　

Highlight

基于第5节介绍的消融研究、比较评估、鲁棒性评估和参数敏感性分析，可以就所提出的SCARE算法的性能、稳定性和实际可部署性得出若干关键见解。

Discussion

基于第5节介绍的消融研究、比较评估、鲁棒性评估和参数敏感性分析，可以就所提出的SCARE算法的性能、稳定性和实际可部署性得出若干关键见解。

Conclusion

本文提出了一种多目标搜索算法SCARE，该算法集成了约束交替探索模式、信号缓存机制和区域置信度引导，以解决多目标搜索任务中的关键挑战，如路径冗余、目标丢失和全局探索效率。该算法实现了若干关键创新：通过引入基于水平-垂直交替运动的结构化约束探索模式，它取代了传统随机行走策略中常见的低效四向离散动作空间（上、下、左、右），显著减少了路径循环和冗余探索。信号缓存机制通过分层处理目标信息，有效防止了在追踪主要目标时次要目标信息的丢失，确保了搜索的连续性。区域置信度评估策略通过动态划分搜索空间并量化各区域的潜在价值，赋予智能体全局规划能力，同时保持局部决策的灵活性。综合实验表明，SCARE在多种复杂场景下均显著优于基线算法，成功率高，并展现出对目标数量增加、障碍物密度增大以及信号干扰的强鲁棒性。这些结果凸显了该方法在复杂和部分可观测环境中部署的强大潜力。

CRediT authorship contribution statement

Zimin Xu: 写作 – 审阅与编辑，资源，项目管理，资金获取，概念化。 Jinyan Huang: 写作 – 审阅与编辑，写作 – 初稿，可视化，方法论，调查，数据整理。 Jianlei Zhang: 写作 – 审阅与编辑，监督，数据整理。

Declaration of competing interest

作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本文报告的工作。

Acknowledgments

本研究工作部分得到了国家自然科学基金委员会（National Natural Science Foundation of China）项目（批准号：62473211）的资助。