常见的局部路径规划算法和全局路径规划算法都有哪些

局部路径规划算法通常用于解决具体的、短程的路径寻找问题，比如在已知地图上从起点到终点的最短路径。常见的局部路径规划算法包括：

1. **A*算法**：基于启发式搜索，结合了宽度优先搜索和Dijkstra算法的优点，通过估价函数计算出最优解。
2. **Dijkstra算法**：用于求解单源最短路径，适合于确定性的图，效率较高。
3. **RRT ( Rapidly-exploring Random Trees) 算法**：随机树搜索算法，适用于高维空间和复杂环境。
4. **PRM ( Probabilistic Roadmaps) 算法**：概率 roadmap，通过构建一个连接可行区域的稠密图来规划路径。

而全局路径规划算法关注的是整个旅行路线，通常处理更大的范围和不确定性。它们常用于机器人导航等领域，例子有：

1. **D*算法**：扩展了A*算法，特别适用于实时动态环境中，如在线规划。
2. **RRT* ( RRT with Star) 算法**：结合了RRT的探索能力和A*的优化能力。
3. **采样基路径规划(Sampling-based Path Planning)**：例如Lattice Grid Planner 和 Probabilistic Roadmaps（PRM）的混合版本。