Optimizasyon işlemi bir şeyi en iyi hale getirmek anlamına gelmektedir. Günlük yaşantımızda birçok alanda farkında olmadan optimizasyon işlemini uygulamaktayız. Gerek yolculuk yaparken, gerekse bir şeyler satın alınırken bir maliyet ve kazanç kıyaslaması yapmaktayız. Günümüzde bilgisayarlarında hızlanması ile daha büyük optimizasyon problemleri bilgisayarlar yardımıyla çözülebilmektedir ve bunun için birçok algoritma geliştirilmiştir. Ancak geliştirilen bu algoritmalar mutlak çözümü bulmak için üzerinde çalıştırıldıkları bilgisayarlar ne kadar hızlı olurlarsa olsunlar çok süre harcamaktadırlar. Bu sorunun çözümü için doğadan ilham alan meta sezgisel algoritmalar geliştirilmiştir. Bu algoritmalar tam çözüm yerine, bu çözme en yakın sonucu elde etmektedirler ve daha hızlı çalışmaktadırlar. Buna rağmen halen birçok eksik yönleri vardır ve bu eksiklikleri gidermek için ilgili algoritmanın bazı adımları farklı algoritmalar ile birleştirilerek melez algoritmalar oluşturulmaktadır. Bu tez çalışmasında, Parçacık Sürü Optimizasyonu (PSO) algoritması ile Çoğalan Sürü (ÇS) algoritmasının yüzey geri çatımı probleminin çözümü üzerindeki performansı karşılaştırılmıştır. Yüzey geri çatımı için tek düze olmayan rasyonel B-Spline (NURBS) parametrik yüzeyleri kullanılmıştır. Yapılan çalışmada, PSO algoritması ÇS algoritmasına göre daha iyi bir sonuç sergilemiştir. Ancak döngü sınırının sonuna dek arama çeşitliliği açısından ÇS algoritmasının daha baskın olduğu gözlemlenmiştir. Algoritmaların parametre ayarlarına göre sonuçların önemli miktarda değiştiği gözlenmiştir.
Optimization process is to find the desired solution for a predefined problem. In our daily life we usually use this procedure i.e. in trading, in travelling. With the benefit of the advances on computer technology, much bigger and complex optimization problems can be solved with computers and therefore, many algorithms have been developed. Although these algorithms focus on the finding the exact solutions, they spend too many computational time no matter how the computer fast. To solve this problem, nature inspired meta-heuristic algorithms were developed. These algorithms find the approximate solution instead of the exact solution and they run fast although they have many drawbacks. To eliminate these drawbacks, the steps of meta-heuristic algorithms are combined with other algorithms; hence, hybrid algorithms are created. In this work, Breeding Swarms (BS) algorithm, which is a hybrid form of Particle Swarm Optimization (PSO) algorithm, has been compared with original algorithm on the efficiency of surface reconstruction problem's solution. NURBS surfaces are used on surface reconstruction problem. The results obtained from this thesis suggest that PSO algorithm has been proved better results than BS algorithm. However, BS algorithm's diversity of the search process is more dominant than other is. The fact that the results vary in drastically in regard with the parameter settings of the algorithms employed.
