RRT：
實現：給定一個node_start, node_goal,隨機選擇一個node_rand，在node_list列表里選擇一個離node_random最近的點設置為node_nearest，然后沿著node_nearest朝node_random走step_length距離，找到一個node_new, 將其加入node_list。
重復上述過程直到找到一個node_new接近node_goal,然后再在得到的node_list中找到從node_start到最后一個node_new的列表就構成了path。
優勢：速度較快，概率完備
劣勢：通常不是最優路徑

https://blog.csdn.net/u013528298/article/details/80546175

RRT*：
實現原理于RRT，基本相同，但是RRT的最優化的版本。
1 不同：RRT會記錄每個頂點相對于其父頂點移動的距離。 這稱為頂點的cost()。 在圖中找到最近的節點后，將檢查距新節點固定半徑內的頂點鄰域。 如果找到比近端節點更便宜的 cost() 節點，則更便宜的節點替換近端節點。
2 不同：RRT樹的重新布線，當新的頂點連接到更便宜的節點后，再次檢查新節點固定半徑內的頂點，如果將其連接到新的頂點后（即將新的節點當作父節點）會使得其cost降低，則將新節點當作此節點的父節點連接上去。

Dijkstra：
實現：從綠色start開始對每個柵格進行遍歷，即對每個柵格的cost進行更新，一直迭代遍歷到黃色的goal為止，然后從goal再反向查找start即得最優路徑。

優勢：簡單
劣勢：環境太大的話，算法復雜度較高
https://www.guyuehome.com/5652
https://www.guyuehome.com/33665

A*算法：
實現：相對于Dijkstra算法，增加了每個節點到目標點的啟發函數，根據啟發函數構建最小代價的節點。
優勢：相對Dijkstra算法較快
劣勢：當目標較多的時候，會帶入大量重復數據和復雜的估價函數

A*算法和Dijkstra算法的比較：
Dijkstra算法計算源點到其他所有點的最短路徑長度，A關注點到點的最短路徑
Dijkstra算法的實質是廣度優先搜索，是一種發散式的搜索，所以空間復雜度和時間復雜度都比較高。對路徑上的當前點，A算法不但記錄其到源點的代價，還計算當前點到目標點的期望代價，是一種啟發式算法，也可以認為是一種深度優先的算法。

PRM算法：
相較于Dijkstra算法，PRM只是采樣了一個地圖中的一堆點，來進行A*等搜索算法的路徑搜索。
優勢：算得比較快
劣勢：概率不完備

總結

以上是生活随笔為你收集整理的RRT，RRT*，A*，Dijkstra，PRM算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。