Diversiteten bland gener som ger resistens (R) mot infektionssjukdomar är mycket stor i växtriket, särskilt i den effektorutlösta klassen av försvaret. Denna artikel beskriver interaktioner mellan växters effektorutlösta fösvar och patogeners effektorproteiner och undersöker evolutionära och Genetiska mekanismer för uppkomsten av ny resistens. R-genprodukter har en typisk domänstruktur och interagerar både direkt och indirekt med patogeners effektorproteiner.Vid kontakt med ett effektorprotein utlöses en försvarsrespons som kan förhindra fortsatt patogen tillväxt. Flera Genetiska mekanismer verkar samtidigt på R-gener, något som resulterar i en hög hastighet för uppkomst av nya R-varianter. Den intima samevolution som existerar hos många patogen-växtsystem formar det evolutionära utvecklingsmönstret av R-gener.

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? .

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..

När en recessiv sjukdom studeras i en släkt används jämförelser av familjemedlemmarnasarvsmassa. Med hjälp av datorsimuleringar som utgår från modellering av arvsförloppet kan information erhållas om hur mycket arvsmassa individerna har gemensamt.Denna information kan vara till nytta vid en fysisk kartläggning av individernas genom.I detta projekt har ett Java-program konstruerats som på ett verklighetsnära sättmodellerar arvsförloppet. Tillsammans med Java-programmet har ett mer teoretisktresonemang genomförts och implementerats i MATLAB, i syfte att få referensdata.Java-programmet har använts för att undersöka den genetiska likheten mellan besläktadeindivider. Informationen som erhållits har använts för att approximera fördelningarför individernas genetiska likhet. Utifrån dessa uppskattningar fastslås att fördelningarnahar relativt låg varians på grund av genomets extensiva totala genetiska längd.Det konstateras att individernas könskromosomer bidrar med skillnader i medelvärde.Dessutom fastställs att mäns och kvinnors olika genetiska längder bidrar med skillnaderi varians..

Syftet med studien är att sammanställa information kring genetiska metoders roll i svensk hunduppfödning. Studien innehåller ett historiskt perspektiv på dagens genetiska pool, hälsotillståndet hos svenska rashundar, genetiska sjukdomar bland hundar, samt i vilken utsträckning vi kan påverka hundens hälsotillstånd och mentala tillstånd. Det finns olika typer av urvalsmetoder som används i hunduppfödning såsom markörbaserat test, mutationbaserat test samt traditionell fenotypbaserad avel. Studien har för avsikt att inkludera flera perspektiv då genetiska tester och hundavel påverkas av ett flertal aktörer, såsom Svenska Jordbruksverket, Svenska Kennelklubben, hunduppfödare, rasklubbar och laboratorier. Beroende på hur man tolkar Jordbruksverkets föreskrifter från 2008, kan Jordbruksverket och Svenska Kennelklubben vara på kollisionskurs.

Medhjälpar-AI blir allt mer vanligt i dagens spel och främst används de som substitut till en mänsklig spelare i spel med olika typer av samarbetslägen. Det finns med andra ord ett behov att utforska detta område, både när det gäller olika AI-tekniker och metoder för förbättring av hur medhjälpar-AI:n upplevs. Genetiska algoritmer är en AI-teknik som simulerar evolution, vilket är användbart i flera områden. Det här arbetet undersöker om genetiska algoritmer kan fungera som basis till en medhjälpar-AI som anpassar sig efter spelarens prestation i realtid.Experimentmiljön som används är ett enkelt actionspel, där en spelare tillsammans med medhjälpare ska samla poäng. Beroende på en medhjälpares poäng i förhållande till spelaren, ändrar medhjälparen skicklighetsnivå dynamiskt under spelets gång.Utvärderingen visar att genetiska algoritmer fungerar bra som utgångspunkt till ändamålet.

När en recessiv sjukdom studeras i en släkt används jämförelser av familjemedlemmarnasarvsmassa. Med hjälp av datorsimuleringar som utgår från modellering av arvsförloppet kan information erhållas om hur mycket arvsmassa individerna har gemensamt.Denna information kan vara till nytta vid en fysisk kartläggning av individernas genom.I detta projekt har ett Java-program konstruerats som på ett verklighetsnära sättmodellerar arvsförloppet. Tillsammans med Java-programmet har ett mer teoretisktresonemang genomförts och implementerats i MATLAB, i syfte att få referensdata.Java-programmet har använts för att undersöka den genetiska likheten mellan besläktadeindivider. Informationen som erhållits har använts för att approximera fördelningarför individernas genetiska likhet. Utifrån dessa uppskattningar fastslås att fördelningarnahar relativt låg varians på grund av genomets extensiva totala genetiska längd.Det konstateras att individernas könskromosomer bidrar med skillnader i medelvärde.Dessutom fastställs att mäns och kvinnors olika genetiska längder bidrar med skillnaderi varians..

När en recessiv sjukdom studeras i en släkt används jämförelser av familjemedlemmarnasarvsmassa. Med hjälp av datorsimuleringar som utgår från modellering av arvsförloppet kan information erhållas om hur mycket arvsmassa individerna har gemensamt.Denna information kan vara till nytta vid en fysisk kartläggning av individernas genom.I detta projekt har ett Java-program konstruerats som på ett verklighetsnära sättmodellerar arvsförloppet. Tillsammans med Java-programmet har ett mer teoretisktresonemang genomförts och implementerats i MATLAB, i syfte att få referensdata.Java-programmet har använts för att undersöka den genetiska likheten mellan besläktadeindivider. Informationen som erhållits har använts för att approximera fördelningarför individernas genetiska likhet. Utifrån dessa uppskattningar fastslås att fördelningarnahar relativt låg varians på grund av genomets extensiva totala genetiska längd.Det konstateras att individernas könskromosomer bidrar med skillnader i medelvärde.Dessutom fastställs att mäns och kvinnors olika genetiska längder bidrar med skillnaderi varians..

  Befintliga studier har påvisat att genetiska algoritmer presterar bättre om de ges en bra startpopulation. I denna rapport presenteras en lokal sökalgoritm för att skapa en population med fokus på ?vehicle routing?-problem. Algoritmen använder sig av heuristik i en blandning av simulated annealing och tabu search för att skapa individerna till populationen. Utvärderingar av algoritmen på ett praktiskt problem visar att den ger en bra start jämfört med en slumpmässig startpopulation, vilket är vanligt att använda.

 Betydelsen av mediekonsumtion innehållande ideal/utseendefokus och olika psykologiska mekanismer för kroppsuppfattning studerades genom en enkätundersökning. Urvalet bestod av 331 svenska unga kvinnor och män. För kvinnor fanns ett svagt positivt samband mellan mediekonsumtion och positiv kroppsuppfattning. BMI var en tredjevariabel alternativt en mediator i detta samband. Selektiv exponeringsteori föreslås som en förklaringsmodell för att förstå dessa resultat.

Lärande är nödvändigt för att organisationer ska kunna utvecklas och förbättras. Tidigare forskning har studerat organisatoriskt lärande ur flera olika aspekter, bland annat som ett utvecklingsinriktat respektive anpassningsinriktat lärande. Syftet med denna studie är att beskriva de mekanismer som påverkar lärandet i en organisation. Den organisationen som studerats är en hemtjänstgrupp som börjat arbeta enligt Vanguardmetoden. Datainsamlingen skedde med intervjuer, totalt intervjuades elva personer i hemtjänstgruppen.

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.

Syftet med uppsatsen är att genom en studie av aktörer, mekanismer och metoder prövahypotesen att Säpo och den militära säkerhetstjänstens val av analysmetoder, är en följd avde organisatoriska förutsättningarna och de förutsättningar som ges av rollspelet mellanakademiker, specialister och beslutfattare i Alexander Georges ?Bridging the Gap?.Den metod jag använt är att genom samtalsintervjuer undersöka två möjliga förklaringarTill varför säkerhetstjänsterna gjort sina val av analysmetoder. Är de en följd av deorganisatoriska förutsättningarna, eller av de roller akademiker, operatörer och beslutsfattarehar i de mekanismer som styr produktionen?För att uppfylla uppsatsens syfte och pröva min hypotes formuleras och besvaras följandefyra frågeställningar.1. Vilka metoder, används vid säkerhetstjänsterna för att identifiera och kvantifiera, densäkerhetshotande verksamheten och vilken teoretisk grund vilar dessa metoder på?2.

Detta arbete använder genetiska algoritmer för att få fram ANN hos boids utifrån två uppsättningar regler och jämför de resulterande beteendena med varandra. Boids är simulerade fåglar i en fågelflock som var för sig styrs med enkla regler men som tillsammans bildar ett flockbeteende. Genetiska algoritmer liknar naturens evolution. En population vars egenskaper kodas på ett genom blir bättre på de egenskaperna genom att de bästa individerna väljs ut och får utvecklas mer medans de sämre rensas bort. ANN står för artificiella neurala närvek och ska likna biologiska neurala nätverk och ska med andra ord fungera som en hjärna.

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..