痕迹图记忆：一种面向多对多多智能体取货配送的环境感知方法

自动化仓储需持续分配并执行取货配送任务以避免拥堵。在多对多多智能体取货配送（MAPD）中，现有图引导方法主要在目标固定后影响路由，导致端点实例化缺乏近期交通信息。本文提出痕迹图记忆（SGM），这是一种有界且衰减的记忆层，记录仓库节点和有向边上的近期执行信号，用于排序可行端点和路由偏好，且不改变碰撞约束或规划器有效性。实验表明，SGM 在所有测试条件下均优于基线，吞吐量提升显著，证明近期执行记忆可通过塑造进入规划器的可行目标来提升仓储效率。