بهینه‌سازی فرایند تطابق چندین ابر نقاط با استفاده از الگوریتم جدید ترکیبی جستجوی گرانشی و نلدر-‌‌ مید

بهینه‌سازی در بسیاری از شاخه‌های علوم کاربرد زیادی یافته است. در سال‌های اخیر، تیوری‌ها و روش‌های متعددی برای پیدا کردن پاسخ بهینه و توسعه روش‌های بهینه‌سازی ارایه شده است. الگوریتم‌های بهینه‌سازی الهام گرفته از طبیعت به ‌عنوان روش‌های ابتکاری، راه‌حل‌های مناسبی را برای مسایل پیچیده ارایه می‌کند که یکی از کاربردهای این روش‌ها، مهندسی معکوس است. در مهندسی معکوس، هر مجموعه از نقاط اسکن شده نسبت به یک دستگاه خاص تعریف می‌شوند. در فرایند انطباق داده‌ها، مجموعه‌های این نقاط به‌ صورت مجزا، با هم ترکیب ‌شده و نسبت به یک سیستم مختصات واحد قرار می‌گیرند که این فرایند،تطابق ابر نقاط نامیده می‌شود. در این پژوهش، قطعه کاربردی در آزمایش تجربی توسط ماشین اندازه‌گیری مختصات در دو وضعیت بدون انتقال و انتقال ‌یافته، اندازه‌برداری شده و فرایند تطابق ابر نقاط بر روی آن پیاده‌سازی شده است. به کمک الگوریتم‌های‌ جستجوی گرانشی، جمعیت ذرات و ژنتیک، فرایند تطابق بهینه‌سازی شده و پارامترهای تطابق (چرخش و جابه‌جایی) به‌دست‌ آمده است. از بین الگوریتم‌های ذکر شده، الگوریتم جستجوی گرانشی از دقت جابه‌جایی، دقت چرخشی و مقدار همگرایی بهتر و هم‌چنین زمان اجرای کمتری برخوردار بوده است. در نهایت الگوریتم ترکیبی ارایه ‌شده است که ترکیبی از الگوریتم‌های جستجوی گرانشی و نلدر-?مید می‌باشد. در الگوریتم پیشنهادی، مقادیر حدس اولیه توسط الگوریتم گرانشی به‌دست آمده و در اختیار الگوریتم نلدر- مید قرار می‌گیرد تا پاسخ دقیق به‌دست آید. الگوریتم پیشنهادی در این پژوهش، ازنظر تعداد تکرار و مقدار همگرایی بر الگوریتم‌های جستجوی گرانشی و نلدر-?مید برتری دارد.