informed-rrt*会陷入局部最优解吗

Informed RRT* 是一种基于 RRT* 的路径规划算法，其中 informed 表示它利用启发式信息来指导搜索。因为它是基于 RRT* 的，所以它具有 RRT* 的优点，例如能够处理高维空间、可处理非凸障碍物等。对于局部最优解的问题，Informed RRT* 也有一些方法来避免陷入其中。

首先，Informed RRT* 使用启发式信息来指导搜索，这可以使搜索更加聚焦于目标区域，从而避免掉入一些局部最优解。启发式信息通常是由代价函数或者其他的经验知识提供的。例如，可以使用曼哈顿距离或欧几里得距离来计算从当前节点到目标区域的距离，这样就可以将搜索限制在更接近目标的区域中。

其次，Informed RRT* 在每个迭代中，都会计算当前最短路径的代价。这可以使算法在搜索过程中不断更新最优路径，避免掉入局部最优解。如果发现当前最短路径的代价已经超过了之前搜索的代价，则说明当前路径已经无法优化，算法会重新开始搜索。

综上所述，Informed RRT* 通过启发式信息和最短路径代价的更新，可以有效地避免陷入局部最优解。