PackMerger的比较实验
PackMerger同样也考虑优化三维模型的分解和排列，然而其优化的目标和优化搜索方式与Dapper截然不同。我们从PackMerger的作者获得其源码以进行对比实验。由于PackMerger在优化目标函数中不考虑最终分解的块数，故我们转而对两个方法在不同分解块数的情况下的优化结果的打印效率和算法运行时间做评估对比。我们修改PackMerger的最后一步——贪婪合并，以使其能够产生不同块数的优化结果。同时，Dapper可以通过调整a权重来产生不同块数的优化结果。Dapper与PackMerger的结果的打印效率的对比结果。对于粉末型打印机的结果，我们比较两个方法的结果堆的高度；对于熔融沉积型打印机，我们比较两个方法的结果堆的悬空间隙。可以很清楚地看到，Dapper的结果普遍优于PackMerger的结果。值得注意的是，无论如何调整a，Dapper在面向熔融沉积型打印机的“table”例子中总能找到同一个最优的解。
一方面，Dapper的运行时间也大大少于PackMerger。粉末型打印机的椅子结果举例，Dapper仅需1到80秒不等的时间来生成不同块数的结果，而PackMerger则需要55到410秒不等的时间来生成不同块数的结果。
面向便捷式3D打印的大型三维模型的分解与排列的优化方法。为使得普通用户可以便捷地使用普通3D打印机进行快速、经济的大型三维模型的打印，形式化地描述建模成三维模型的几何分解与排列问题，一个有效的优化搜索算法框架来进行优化求解。所提出的优化搜索框架包含了一个全局的优化搜索过程和一个局部的微调优化，还可以通过使用不同的优化目标函数来针对不同的3D打印机类型进行优化，使之可分别适用于粉末型打印机或熔融沉积型打印机。在实验结果方面，展现了本章算法对于不同打印机类型的优化结果，并与己有的方法进行了直接比较，体现出了本章算法在高效便捷的3D打印制造大型三维模型的任务中的优越性。