ارزیابی الگوریتم‌های بهینه‌سازی در تناظریابی داده‌های مکانی چندمقیاسی مبتنی بر ویژگی‌های هندسی

شناسایی عوارض با ماهیّت یکسان در مجموعه داده های مختلف تحت عنوان تناظریابی عوارض شناخته می شود. تناظریابی کاربردهای مستقیم و غیر مستقیم بسیاری نظیر تلفیق، ارزیابی کیفیّت، به روز رسانی داده ها و انجام آنالیزهای چندمقیاسی دارد. از این رو در این تحقیق راهکاری نوین جهت تناظریابی عوارض ارائه می گردد که ضمن در نظر گرفتن تنها معیارهای هندسی (خصوصیات هندسی و توپولوژیکی) استخراج شده از عوارض، هرگونه وابستگی اولیه به پارامترهای تجربی مرسوم نظیر حد آستانه درجه شباهت مکانی، فاصله بافر و وزن معیارها حذف و تناظریابی در مجموعه داده های مختلف انجام می گیرد. در رویکرد پیشنهادی تمامی روابط یک به هیچ، هیچ به یک، یک به یک، یک به چند، چند به یک و چند به چند در نظر گرفته می شود. همچنین در این تحقیق کارایی الگوریتم های ژنتیک، توده ذرات و جستجوی غذای زنبور عسل برای تناظریابی عوارض خطی در مجموعه داده های مختلف با استفاده از بهینه سازی معیارهای هندسی مورد بررسی قرار می گیرد. برای ارزیابی کارایی رویکرد پیشنهادی از سه مجموعه داده در مقیاس ها و منابع مختلف استفاده می گردد. نتایج نشان داد که چارچوب پیشنهادی به خوبی توانایی شناسایی عوارض متناظر در مجموعه داده های مختلف را دارا می باشد، همچنین نتایج نشان داد که الگوریتم ژنتیک در مقایسه با دو روش دیگر دارای کارایی بالاتری برای بهینه سازی پارامترهای موجود در تناظریابی عوارض خطی می باشد.