Policy Stability for Measuring Operational Performance in Task Assignment with Time-Windows Under Internal Adversarial Influence
本文针对存在内部对抗性影响下的自主取送货路径规划问题，提出了一种新的基于可观测信号的策略成本公式，证明了稳定性等价于对预期取消请求进行一致有界约束，并证明了有限时间窗对于防止以大规模积压为特征的退化稳定性状态至关重要。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个繁忙的城市，一位中央调度员负责管理一支无人驾驶出租车队。他们的工作很简单：将空闲车辆与等待乘车的乘客进行匹配。在一个完美的世界里，每辆车都是诚实的，遵循调度员的指令，并接走乘客。
但在本文中，作者设想了一种场景，其中一些出租车是“流氓代理”（rogue agents）。这些车并非故障，而是带有恶意。它们通过在地图上撒谎自己的位置，来欺骗调度员，从而诱导调度员将乘车请求发送给它们。一旦接到任务，它们并不去接乘客，而是原地待命，从而阻塞该请求，导致诚实的车辆被派往徒劳奔波，或者被迫闲置。
论文提出了一个重大问题：当这些撒谎者存在时，我们如何知道整个系统是否仍在良好运行？
旧规则的问题
传统上，工程师通过计算等待中的乘车请求数量（积压量）来衡量系统是否“稳定”。如果队列不会无限增长，他们就会说：“太棒了，系统是稳定的！”
作者认为这是一个陷阱。想象一家餐厅，服务员不断接收订单，却从不送餐。厨房里的订单可能在任何时候都只有10个（所以看起来排队很短），但顾客可能已经等了几个小时，最终愤怒地离开了。
- 陷阱： 旧规则认为系统是“稳定”的，因为队列没有无限长。
- 现实： 系统实际上正在失效，因为乘客正在被抛弃。
作者称之为**“退化稳定性”（Degenerate Stability）**。这就像一辆车，虽然引擎在运转，技术上处于“运行”状态，但它却陷在泥泞中无法动弹。
新方案：统计“被遗弃的人”
为了解决这个问题，作者提出了一种新的衡量稳定性方法。他们不再仅仅计算队列，而是同时统计两件事：
- 队列： 当前有多少人在等待？
- 被遗弃的人： 有多少人因为等待时间过长而放弃并离开了？
他们引入了一个名为**“时间窗口”（Time Windows）的规则。每个乘车请求都有一个截止期限。如果车辆未能在规定时间内接走乘客，该请求就会“过期”并被标记为“已取消”（Canceled）**。
重大发现：
作者从数学上证明，如果你对新请求的涌入量设有上限，并且对人们的等待时间设有上限（时间窗口），那么“队列”本身不会变得过于庞大。唯一能让系统真正变得不稳定的因素，是**“已取消”**的请求数量是否在持续增加。
因此，在他们的新系统中，只有当系统能够控制住被抛弃的请求数量时，该策略才被称为是“稳定”的。如果系统不断取消订单，那么即使等待队列看起来很短，系统也是不稳定的。
“猫鼠游戏”
论文还研究了这些流氓出租车如何试图造成最大的破坏。他们测试了三种不同“聪明程度”的坏蛋：
- 新手（The Novice）： 只看请求的位置，并通过撒谎让自己靠近某个请求。
- 团队成员（The Team Player）： 知道其他坏出租车的位置，并协同行动来阻塞多个请求。
- 全知者（The All-Knowing）： 完全了解调度员在想什么、每辆好车在哪里，并且能精准预测哪些订单本该由好车承接。它们通过撒谎专门来窃取这些订单。
他们还测试了三种不同的调度分配方式：
- 贪婪算法（Greedy）： “把最近的车分给最近的单。”（速度快，但可能不是全局最优）。
- 即时分配（无重新分配）（Instant Assignment - No Reassignment）： “一旦车接到了单，就固定下来。”（较难被坏蛋欺骗，但灵活性较低）。
- 带重新分配的即时分配（Instant Assignment with Reassignment）： “不断调整计划以寻找最佳匹配。”（非常灵活，但坏蛋可以通过不断改变位置来反复干扰计划）。
实验结果
利用旧金山的真实出租车数据，他们进行了模拟实验。
- “无截止时间”场景： 当移除时间限制时，系统看起来是稳定的（队列没有增长），但坏蛋成功阻塞了数百个订单。这证明了“退化稳定性”陷阱的存在。
- “有截止时间”场景： 当加入时间限制后，系统立即显示出其失效。已取消的订单数量激增，准确地标记了系统是不稳定的。
他们发现，“全知者”类型的坏蛋造成的混乱最大。他们还发现，“重新分配”策略（不断改变计划）最容易受到这些骗子的攻击，因为坏蛋可以不断通过改变位置来诱使系统反复更改决策。
核心结论
论文的结论是，要真正了解一支无人驾驶车队是否在正常运作，你不能只看等待名单。你必须观察失败情况。如果请求不断过期且人们不断被遗弃，那么无论等待队列看起来多么短，系统都是破碎的。通过统计这些“被遗弃”的请求，我们才能获得关于系统是否真正实现其目标的真实图景。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。