بهینه سازی فرآیند تطابق چندین ابر نقاط با استفاده از الگوریتم جدید ترکیبی جستجوی گرانشی و نلدر- مید

بهینه سازی، در بسیاری از شاخه های علوم کاربرد زیادی یافته است. در سال های اخیر، تئوری ها و روش های متعددی برای پیدا کردن پاسخ بهینه و توسعه روش های بهینه سازی ارائه شده است. الگوریتم های بهینه سازی الهام گرفته از طبیعت به عنوان روش های ابتکاری، راه حل های مناسبی را برای مسائل پیچیده ارائه می نماید که یکی از کاربردهای این روش ها، مهندسی معکوس می باشد. در مهندسی معکوس، هر مجموعه از نقاط اسکن شده نسبت به یک دستگاه خاص تعریف می شوند. در فرآیند انطباق داده ها، مجموعه های این نقاط به صورت مجزا، با هم ترکیب شده و نسبت به یک سیستم مختصات واحد قرار می گیرند که این فرآیند،تطابق ابر نقاط نامیده می شود. در این پژوهش، قطعه کاربردی در آزمایش تجربی توسط ماشین اندازه گیری مختصات در دو وضعیت بدون انتقال و انتقال یافته، اندازه برداری شده و فرآیند تطابق ابر نقاط بر روی آن پیاده سازی شده است. به کمک الگوریتم های جستجوی گرانشی، جمعیت ذرات و ژنتیک، فرآیند تطابق بهینه سازی شده و پارامترهای تطابق (چرخش و جابه جایی) به دست آمده است. از بین الگوریتم های ذکر شده، الگوریتم جستجوی گرانشی از دقت جابه جایی، دقت چرخشی و مقدار همگرایی بهتر و هم چنین زمان اجرای کمتری برخوردار بوده است. در نهایت الگوریتم ترکیبی ارائه شده است که ترکیبی از الگوریتم های جستجوی گرانشی و نلدر- مید می باشد. در الگوریتم پیشنهادی، مقادیر حدس اولیه توسط الگوریتم گرانشی به دست آمده و در اختیار الگوریتم نلدر- مید قرار می گیرد تا پاسخ دقیق به دست آید. الگوریتم پیشنهادی در این پژوهش، ازنظر تعداد تکرار و مقدار همگرایی بر الگوریتم های جستجوی گرانشی و نلدر- مید برتری دارد.