Los avances en la Industria 4.0 y la fabricación inteligente han aumentado la demanda de geometrías de superficie de piezas precisas e intrincadas, lo que hace que el análisis de la morfología de la superficie sea esencial para garantizar la precisión del ensamblaje y la calidad del producto. Este estudio presenta una metodología innovadora basada en paisajes de aptitud para el análisis de puntos extremos de la morfología de la superficie de las piezas, abordando eficazmente las limitaciones de las técnicas existentes para identificar y analizar con precisión los puntos extremos. El enfoque propuesto integra la Correlación de Aptitud-Distancia (FDC) adaptativa con un índice de rugosidad para determinar dinámicamente el número y la distribución espacial de los puntos iniciales dentro del algoritmo de búsqueda de patrones, basado en variaciones en la rugosidad de la superficie. Al dividir el dominio factible en subregiones según los valores de FDC, el algoritmo reduce significativamente la complejidad de la optimización. Las regiones con alta rugosidad se subdividen aún más, facilitando la implementación paralela del algoritmo de búsqueda de patrones dentro de cada subregión. Esta estrategia adaptativa asegura que las áreas con características de superficie intrincadas se asignen un mayor número de puntos iniciales, aumentando así la probabilidad de localizar tanto puntos extremos regionales como globales. Para validar la efectividad y robustez del método propuesto, se realizaron pruebas extensivas utilizando cinco funciones de prueba diversas tratadas como funciones de caja negra. Los resultados demuestran la capacidad del método para localizar con precisión puntos extremos a través de perfiles de superficie variables. Además, el método propuesto se aplicó a la evaluación del error de planitud. Los resultados indican que, en comparación con el uso solo de los datos de medición en bruto, el error de planitud aumenta aproximadamente un 3% cuando se tienen en cuenta los puntos extremos.