مسائلی با ابعاد پایین، بوسیلهٔ الگوریتم‌های مبتنی بر شبکه، که این الگوریتم‌ها با استفاده از متصور شدن شبکه ایشبکه‌ای بر بالای فضای پیکربندی انجام می شوند،می‌شوند، قابل حل هستند.این مسائل همچنین با استفاده از الگوریتمهایالگوریتم‌های هندسی که شکل و همبندی سی را محاسبه می کنند،می‌کنند، قابل حل هستند.
برنامه ریزیبرنامه‌ریزی حرکت دقیق برای سیستمهاییسیستم‌هایی با ابعاد بالاتر، تحت محدودیت‌ها و موانعی پیچیده، از لحاظ محاسباتی، [[نظریه پیچیدگی محاسباتی|مساله ای رام نشدنی]] است. الگوریتم‌های میدان پتانسیل کارآمد هستند، اما این الگوریتمهاالگوریتم‌ها در کمترین مقدارهای ممکن محلی، ناکارآمد هستند.الگوریتم‌های مبتنی برنمونه گیریبرنمونه‌گیری از مشکل افتادن در مینیمم‌های محلی اجتناب می کنندمی‌کنند و بسیاری از مسائل را نسبتانسبتاً سریع حل میکنندمی‌کنند. با این حال، این الگوریتمهاالگوریتم‌ها قادر به تعیین این که هیچ راهی وجود ندارد نیستند، اما می توانندمی‌توانند احتمال شکست در یافتن راه رامحاسبهرا محاسبه کنند که با سپری شدن زمان بیشتر، احتمال شکست را به صفر کاهش می دهندمی‌دهند.
در حال حاضرالگوریتم‌های مبتنی بر نمونه گیری به روزترین و بهترین الگوریتم‌های برنامه ریزی حرکت برای فضاهایی با ابعاد بالا می باشند و حتی برای مسائلی با دههاده‌ها یا صدها بعد،بُعد، قابل پیاده سازی می باشند)مانند (مانند: بازوهای رباتیکی، مولکولهایمولکول‌های زیستی، انیمیشن کاراکترهای دیجیتال، روبات‌های دارای پا وغیره).
