偏置
RRT 算法（Biased Rapidly-exploring Random Trees）和分割
RRT 算法（Segmented Rapidly-exploring Random Trees）都是基于
RRT 算法（Rapidly-exploring Random Trees）的改进版本。
1. 偏置
RRT 算法：
偏置
RRT 算法通过引入偏置策略，将树的生长方向偏向目标区域，以加速路径搜索过程。在每次迭代中，
算法会以一定的概率选择目标点作为随机采样点，从而增加树向目标区域生长的可能性。这种偏向目标区域的策略可以在搜索空间较大时显著提高路径搜索的效率。
2. 分割
RRT 算法：
分割
RRT 算法是一种基于分段采样的改进版本。它将搜索空间划分为多个子空间，并在每个子空间内独立构建
RRT树。每个子空间的划分方式可以根据问题的特点进行优化，以提高路径搜索的效率。通过对搜索空间进行分割，可以减小树生长时的搜索范围，从而加速路径搜索过程。
总的来说，偏置
RRT 算法利用目标区域的信息优化了采样策略，分割
RRT 算法则通过空间分割和独立构建多个子树来加速路径搜索。这两种改进
算法都是为了提高
RRT 算法在复杂环境中的路径搜索效率和质量。
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/8479.html