正交部分可观测协作守卫艺术画廊中的最优角落学习

针对 CADENCE 算法求解部分可观测协作守卫艺术画廊问题（POCGAGP）时未指定各智能体应部署到哪个有效角落的问题，本文提出两种学习式角落选择启发式：一种在网格编码上用 CNN 对候选打分，另一种在可见性图上用 GATv2 网络配合 DQN 训练，二者均保留 CADENCE 的形式化覆盖与连通性保证。在 7,500 次随机正交环境（50x50 至 250x250）实验中，方法在全覆盖步数与峰值智能体数上优于 CADENCE 基线，增益随规模增大而提升，并在智能体利用率上优于 ISDA 基线，同时提供 ISDA 所缺乏的保证。

AI推荐理由 论文提出两种学习式角落选择启发式（CNN 网格打分与基于可见性图的 GATv2+DQN），在保持 CADENCE 形式化覆盖与连通性保证的前提下，于 7,500 次随机正交环境实验（50x50 至 250x250）中改善全覆盖步数与峰值智能体数，规模越大增益越明显，并在智能体利用率上优于 ISDA 基线。新信息在于把学习引入多智能体部署的离散选择环节且不牺牲形式化保证；局限是任务为特定几何覆盖问题，摘要未给出绝对数值与真实机器人验证，应用面较窄。