موضوع این پایان نامه بررسی روش بهینه سازی به کار رفته در جدیدترین روش حل مسأله slam یعنی الگوریتم isam2 و توسعه آن به منظور افزایش دقت و کارایی است. در این راستا، ابتدا به معرفی مفاهیم اولیه مربوط به slam بر اساس گراف و نقش مسأله کمترین مربعات در slam و همچنین توضیح کامل مفاهیم الگوریتم isam2 پرداخته شده است. بر مبنای این مقدمات، روش های بهینه سازی استفاده شده بروز در مسأله هموارسازی در slam، بررسی شده و مزایا و معایب آن ها ارایه شده است. سپس روش داگ لگ، روشی که به تازگی مورد استفاده قرار گرفته است با الگوریتم isam2 تطبیق داده شده و به صورت به هنگام شبیه سازی شده است. نتایج به دست آمده به طور کامل تجزیه و تحلیل شده و دلایل ناکارآمدی این روش ذکر شده است. در ادامه در این پایان نامه روشی جدید موسوم به داگ لگ دوگانه به منظور بهبود نتایج به دست آمده از روش داگ لگ، به ویژه برای مجموعه داده های با مقیاس بزرگ ارایه شده و برتری آن توسط شبیه سازی به هنگام در الگوریتم isam2 مورد تأیید قرار گرفته است. سپس، این روش جدید با اضافه کردن ماتریس پیش شرط به آن، توسعه یافته و نتایج شبیه سازی آن در الگوریتم isam2، بررسی شده است. در ادامه، حساسیت الگوریتم به مقادیر انتخاب شده برای پارامترهای بروزرسانی شعاع در مسایل ناحیه اعتماد از جمله داگ لگ و داگ لگ دوگانه مورد توجه و بررسی قرار گرفته و با انتخاب مقادیر مناسب برای پارامترها، بهبود قابل توجهی در دقت الگوریتم به دست آمده است. درنهایت، پیاده سازی عملی بر روی ربات آوریل گروه رباتیک ارس انجام شده و نتیجه آن ارایه شده است.