الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 133 |  |  |
| | | from | 133 | | |
Abstract
إن إعادة تجميع العناصر المدمرة مثل التماثيل والفخار وكذلك الأوراق المدمرة هي مشكلة قديمة بدأت أولي حلولها بإستخدام طرق يدوية والتي كانت تتم جميعها بالتدخل البشري ولكن كثير من هذه المحاولات باءت بالفشل خصوصا اذا كان الجسم مدمرا الي عدد كبير جدا من القطع وتزداد المشكلة صعوبة إذا كان هناك بعض القطع الناقصة.
إن أهمية تجميع العناصر المدمرة يكمن في قيمتها عند الإنسان خاصة إذا كان لها أهمية تاريخية مثل التماثيل الأثرية والفخار القديم أو كأوراق البردي والمخطوطات القديمة وحاليا تدخل عملية التجميع في تحقيقات الجرائم الجنائية و الطب الشرعي والعمليات الأستخباراتية. في السنوات الأخيرة وبعد أن قطع المجتمع العلمي خطوات كبيرة في مجال خوارزميات التحسين لاح في الأفق أهمية إيجاد طريقة ألية لحل مشكلة تجميع العناصر المدمرة.
في هذه الرسالة العلمية تم التركيز علي حل مشكلة إعادة تجميع الأوراق المفرومة بأستخدام مفرمة الأوراق الكهربية بأستخدام واحدة من أفضل طرق التحسين الحديثة والذي يسمي (Gray Wolf Optimizer GWO) والذي ظهر عام 2014 وحقق نجاحا كبيرا في حل المشاكل ذات الطبيعة المتصله (Continuous nature problems) ولكن مشكلة إعادة تجميع الأوراق المقطعة هي مشكلة منفصلة (Discrete problem) لذا كان التحدي الأكبر هو عمل اعادة صياغة للخوارزمية المتصلة الي خوارزمية منفصلة وأستخدام دالة تكلفة (Cost Function) تصلح للعمل مع الوثائق التي تحتوي علي نصوص وصور.
تم العمل علي ثمانية وثائق مفرومة بمفرمة الأوراق الكهربية إثنان منهما وثائق مكتوبة باللغة العربية و ستة باللغة الأجنبية وبعض الوثائق تحتوي علي نصوص وصور, تم فرم كل وثيقة الي عدد عشرة وكذلك خمسة عشر شريحة صغيرة مقطوعة طوليا.
تم عمل مسح ضوئي للشرائح الطولية وإدخالها الي الحاسوب وتم عمل معالجة مبدئية لها بإزالة الشوائب والتعرف علي أماكن القطع المفرومة وإستخراجها وعزلها عن الخلفية وكذلك عمل دوران لها الي وضعها الصحيح بإستخدام خوارزميات الذكاء الإصطناعي وذلك لتجهيزها للمرحلة التالية.
تم تطوير خوارزميات Gray Wolf Optimizer GWO لتستطيع عمل عملية تباديل لأماكن الشرائح وعمل إختبار لكل خطوة هل أدت إلي تحسن في ترتيب الشرائح بإستخدام دالة إختبار تسمي دالة التدرج الأفقي Horizontal Gradient Function وتتسم هذه الدالة بالسرعة والبساطة وكذلك المرونة حيثأنها تستطيع التعامل مع الوثائق النصية وكذلك الوثائق التي تحتوي علي صور مما أعطي مرونة وسرعة للنظام ككل.
تم عمل مقارنة بين نتائج خوارزميات GWO المعدلة مع نتائج الخوارزم الشهير Genetic Algorithm GA وكذلك خوارزم البحث العشوائي Random Search Algorithm RSA من حيث دقة التجميع حيث نجح الخوارزم المعدل dGWO في حل جميع الوثائق في حين عجز البعض الأخر في حلها وخاصة عند التعامل مع الوثائق المفرومة الي خمسة عشر.