I det här arbetet undersöks och jämförs två olika sökalgoritmer när de används för implementation av AI-spelare till brädspelet Pentago. De två algoritmerna som användes var alfa-betabeskärning och en nyare algoritm som kombinerar genetiska algoritmer och minimax, kallad genetisk minimax. Utvärderingen av resultaten visar att alfa-betabeskärning passar bättre vid implementation av en AI till Pentago än genetisk minimax. Alfa-betabeskärning med ytterligare optimeringar har potential att lämpa sig väldigt väl för implementation av spelare till Pentago. Ytterligare visar resultaten att genetisk minimax inte är en passande algoritm för AI till Pentago.

Då dataspel blir mer grafiskt tilltalande för var år som går innebär detta också att mer utrymme behövs för att få plats med alla bildtexturer. Detta leder till att spel som annars skulle kunnat läggas ut på exempelvis XBOX Live Marketplace är för stora för att få plats där. Genom att byta ut vanliga bildtexturer mot procedurella texturer skulle detta problem kunna undvikas då de senare tar mindre plats än de förstnämnda.Denna uppsats tar upp och redovisar en metod för att återskapa bildtexturer som procedurella texturer, där en Genetisk algoritm används för att evolvera fram procedurella texturer med visuella likheter med referenstexturen..

En dynamisk svårighetsgrad syftar till att anpassa ett spels svårighetsgrad efter hur spelaren presterar. Ett sätt att göra detta går ut på att en Genetisk algoritm gör fienderna lagom svåra för spelaren, genom att göra fienderna gradvis svårare till spelet anses vara utmanande för spelaren. För att se till att detta inte går långsamt föreslog ett tidigare arbete två tekniker, där den ena gick ut på att ha information i förväg, och den ena fokuserade på en välskapt algoritm. För att undersöka vilken teknik som presterade bäst för att hantera fiender vars svårighetsgrad styrs av variablerna hälsa, snabbhet och skada skapades ett enkelt spel i 2D där spelaren kontinuerligt försvarade sig mot fiender. Resultaten visar att tekniken med information i förväg presterar bäst, men att den inte bör vara det enda som bestämmer svårighetsgraden.

Detta arbete har testat att använda en Genetisk algoritm, en teknik inom artificiell intelligens, där uppgiften har varit att automatiskt generera nivåer till pusselspelet Solve It. Precis som algoritmens inspirationskälla, djurvärldens evolution, har den evolverat fram lösningar som med tiden anpassat sig efter sin omgivning. Dessa genererade nivåer har sedan jämförts med manuellt designade dito. Resultaten har bestått av insamlad data från ett antal testpersoner, där deras uppfattning om utmaning och underhållning, samt deras tidsåtgång använts som mätverktyg. Arbetet har försökt ta reda på om genetiska algoritmer är ett lämpligt verktyg för att avlasta, komplettera eller till och med att ersätta en nivådesigner till det spel som testerna kretsar kring, Solve It..

Målet med detta verk var att undersöka vilken AI-teknik som är mest lämpad att styra beteende i ett artificiellt ekosystem. En tillståndsmaskin och en Genetisk algoritm har implementerats. Dessa AI-tekniker har jämförts med avseende på tre olika aspekter: effektivitet, anpassningsbarhet och flexibilitet. För att kunna genomföra tester har individer och en experimentmiljö implementerats. Testerna gjordes på fyra olika banor.

Boids handlar om att simulera flockar genom självständiga individer. Styrningen utgår från tre grundregler, undvika kollision, centrera flocken samt matcha hastighet. För att framhäva vissa beteenden kan reglerna viktas. Dessa vikter kan sättas manuellt, men de kan också optimeras, exempelvis med genetiska algoritmer. Detta examensarbete utgår från Chen, Kobayashi, Huang och Nakao (2006) arbete om optimering av boids med hjälp av en Genetisk algoritm.

Animationer av karaktärer och objekt är en viktig del vid skapandet av spel. Detta är något som det läggs mycket fokus på att få så realistisk som möjligt, även spelfysik används till viss del här för att ge karaktärer möjlighet att anpassa sig till miljöer. Det här arbetet undersöker och implementerar ett styrsystem, som används för animations generering till en trasdocka, med hjälp av artificiell intelligens. Styrsystemet använder sig av en självorganiserande artificiell intelligens för att generera animationer som följer ett specifikt beteende, i det här arbetet har animationer som fokuserar på att skydda höften skapats.Arbetet har gett goda resultat som indikerar på att denna lösning fungerar för att generera animationer på en trasdocka, som ska följa ett visst beteende. Detta visade sig möjligt genom att använda artificiellt neuralt nätverk kombinerat med Genetisk algoritm..

Genetiska algoritmer, som baseras på den biologiska evolutionen, har historiskt sett används till att lösa komplexa problem med väldigt stora lösningsrymder.I den här rapporten beskriver vi hur vi implementerar en Genetisk algoritm och en hissmodell, och undersöker möjligheterna att med hjälp av den genetiska algoritmen konstruera ett välfungerande hisstyrningssystem.Trots att vi inte lyckas få fram ett tillfredsställande hisstyrningssystem, finner vi potential att lösa dylika problem med genetiska algoritmer, och redogör för hur man kan göra det..

Maxflo?desproblemet har ma?nga praktiska tilla?mpningar och probleminstanserna kan bli mycket stora. Effektiva implementationer a?r da?rfo?r no?dva?ndigt fo?r att ko?rtiden inte ska bli alltfo?r ho?g. I den ha?r studien har tva? maxflo?desalgoritmer, Edmonds-Karps algoritm och Goldberg-Tarjans push-relabel-algoritm, implementerats i Java med tva? olika da- tastrukturer och ja?mfo?rts med varandra.

Denna D-uppsats undersöker hur genetiska algoritmer beskrivs i teorin och hur de tillämpas mot verklighetsbaserade optimeringsproblem. I uppsatsen har jag valt att utföra en dokumentstudie, där jag undersöker hur genetiska algoritmer tillämpas mot the traveling salesman problem. Allt insamlat material har analyserats och jag har identifierat och beskrivit ett produktionsproblem, vilket jag har angripit genom att egenutveckla en modell över en Genetisk algoritm. Utifrån dessa förutsättningar besvarar jag uppsatsens forskningsfråga, nämligen vad är viktigt att beakta i samband med utveckling och design av genetiska algoritmer? .

Det finns mängder med faktorer som påverkar en texts läsbarhet. I denna rapport kommer flertalet faktorer undersökas inför skapandet av en ny läsbarhetsalgoritm. Målet är att denna algoritm ska vara bättre än LIX som är en algoritm konstruerad för svenska texter. Målet uppnåddes med en liten marginal men ytterligare förbättringar kan och bör implementeras..

Artificiell efterklang används i ljudinspelning och produktion för att placeraljud spatialt. En algoritm som simulerar efterklang med hjälp av ett filternätverk togs fram.Fokus vid resultat lades på objektiv analys och framför allt spektrogram ochvattenfallsdiagram. Den slutgiltiga modellen gav mätvärden lika målsättningen. Viktigaslutsatser drogs om justering av parametrar och filtermodeller..

I denna studie presenteras en Genetisk algoritm som genererar fun banor till ett bilspel. Detta görs genom att utforma fitnessfunktionen efter redan identifierade designmönster om vad det är som gör en bilbana fun. Dessa bygger på Csikszentmihalyi teorier om flow som säger att för att en uppgift ska anses uppfyllande måste den vara utmanande. Utöver designmönstren bygger fitnessfunktionen även på rhythm groups för att en bana ska variera i utmaning. Genom speltest jämförs de genererade banorna med banor som är skapta av en leveldesigner för att framställa hur fun de genererade banorna är..

I detta 10-poängsarbete går jag igenom hur min egenhändigt producerade kvadratrotsalgoritm fungerar praktiskt och teoretiskt. Med denna algoritm kan man för hand räkna ut kvadratrötter som innehåller 50-60 värdesiffror. Med de tidigare kända algoritmerna för kvadratrötter kan man räkna ut 5-6 värdesiffror. Min algoritm fungerar inte på samma sätt som de tidigare använda kvadratrotsalgoritmerna men den är lika korrekt. Stor tyngdvikt i arbetet har därför lagts på att visa på att det finns flera olika korrekta algoritmer för våra vanliga räknesätt.

Denna uppsats behandlar en algoritm som löser linjära optimeringsproblem. Algoritmen bygger på en liknande idé som simplexalgoritmen men i denna kan startvärdet även vara en punkt inom tillåtet område eller på randen till detta område. Det behöver inte nödvändigtvis vara en hörnpunkt, vilket simplexalgoritmen kräver. Under algoritmens gång kommer iterationsvärdena att ligga på randen till det tillåtna området för att slutligen hamna i ett hörn. Därefter går iterationsvärdena från hörn till hörn tills slutligen optimum har nåtts.