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? .

Effektiva lärosätt för algoritmer är inte alltid det enklaste att hitta. Algoritmer som används inom området för artificiell intelligens kan ofta vara svåra att förstå och ta lång tid att lära sig. Uppsatsen handlar om hur det kan vara möjligt att effektivisera lärandet av pathfindingalgoritmer genom att använda ett visuellt stödverktyg. Lärometoden som uppsatsen använder sig av är att genom en kombinationen av självimplementation och visualisering av pathfinding-algoritmer kunna öka effekten av dessa algoritmer. Användaren ges möjligheten att implementera fyra grundläggande pathfinding-algoritmer men även möjlighet att konstruera och implementera sina egna 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..

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.

I denna studie undersöks två algoritmer för att rendera volumetrisk data. Studien syftar till att undersöka om det är möjligt att använda dessa algoritmer i en datorspelsmiljö. De båda algoritmerna, som kallas för shear-warp-algoritmen och footprint-algoritmen, jämförs mot varandra för att ta reda på vilken som är bäst på att lösa uppgiften. Algoritmerna testas också för att se om de är lämpade att verka i en datorspelsmiljö med avseende på om de kan generera tillräckligt antal bilder per sekund.Resultatet av studien visar på att ingen av de två algoritmerna är lämpade inom den domän de är tänkta att verka inom. Även om shear-warp-algoritmen är effektivare på att lösa sin uppgift än vad footprint-algoritmen är så visar studien att ingen av dessa två algoritmer är lämpade i den domän de är undersökta i..

I denna rapport har vi utforskat olika metoder som löser handelsresandeproblemetmed hjälp av rumsfyllande kurvor. Vi har utgått från en klassisk algoritm av Bartholdioch Platzman och förbättrat den med avseende på lösningslängd med två egna algoritmer.Vi har under arbetets gång utvecklat programvara som använder dessa algoritmer.Vi har undersökt körningstid, lösningslängd och stabilitet för de olika algoritmerna ochanalyserat resultaten. Rapporten innehåller även en inledande teoretisk beskrivning avplanfyllande kurvor och NP-komplexitet..

I denna rapport har vi utforskat olika metoder som löser handelsresandeproblemetmed hjälp av rumsfyllande kurvor. Vi har utgått från en klassisk algoritm av Bartholdioch Platzman och förbättrat den med avseende på lösningslängd med två egna algoritmer.Vi har under arbetets gång utvecklat programvara som använder dessa algoritmer.Vi har undersökt körningstid, lösningslängd och stabilitet för de olika algoritmerna ochanalyserat resultaten. Rapporten innehåller även en inledande teoretisk beskrivning avplanfyllande kurvor och NP-komplexitet..

Denna systematiska litteraturstudie undersöker vanliga missuppfattningar inom skriftliga algoritmer inom addition och subtraktion. Vi undersöker även vilka för- och nackdelar som uppkommer av strategin inom lågstadieundervisningen. Syftet med denna studie är att få en överblick av och förståelse för den skriftliga algoritmens roll i lågstadieskolor. I datainsamlingsprocessen har vi sökt efter vetenskapligt granskade artiklar från en databas. Detta gav oss rekommenderade artiklar, vilket resulterade i snöbollsurval som var vår kompletterande sökstrategi.

I denna rapport har vi utforskat olika metoder som löser handelsresandeproblemetmed hjälp av rumsfyllande kurvor. Vi har utgått från en klassisk algoritm av Bartholdioch Platzman och förbättrat den med avseende på lösningslängd med två egna algoritmer.Vi har under arbetets gång utvecklat programvara som använder dessa algoritmer.Vi har undersökt körningstid, lösningslängd och stabilitet för de olika algoritmerna ochanalyserat resultaten. Rapporten innehåller även en inledande teoretisk beskrivning avplanfyllande kurvor och NP-komplexitet..

I denna rapport har vi utforskat olika metoder som löser handelsresandeproblemetmed hjälp av rumsfyllande kurvor. Vi har utgått från en klassisk algoritm av Bartholdioch Platzman och förbättrat den med avseende på lösningslängd med två egna algoritmer.Vi har under arbetets gång utvecklat programvara som använder dessa algoritmer.Vi har undersökt körningstid, lösningslängd och stabilitet för de olika algoritmerna ochanalyserat resultaten. Rapporten innehåller även en inledande teoretisk beskrivning avplanfyllande kurvor och NP-komplexitet..

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.

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.

  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.

Det är inte alltid så lätt som förälder att förstå de algoritmer (räkneuppställningar) som barnen använder i skolan idag. Hur föräldrarna kan få hjälp med detta är en del av denna studie som genomförts med föräldrar och elever i en femteklass. Syftet med studien har varit att studera vilka olika algoritmer föräldrarna och eleverna i denna klass använder. För att få en uppfattning om föräldrarnas matematikundervisning har läroplaner från 1969 och framåt studerats med fokus på algoritmräkning. Några olika algoritmer i de fyra räknesätten som har behandlats i skolan genom tiderna presenteras, liksom en övergripande historik kring algoritmernas ursprung.

Digitala spel har länge använt sig av terräng, det vanligaste sättet att lagra dessa terränger är med så kallade höjdkartor. Höjdkartor har en stor begränsning, de inte kan innehålla tunnlar.Denna rapport undersöker två alternativ till höjdkartor som arbetar med voxlar. Dessa två algoritmer är Marching Cubes (Lorensen & Cline, 1987) och Constrained Elastic Surface Nets (Gibson, 1998). Syftet med undersökningen är att evaluera dessa algoritmer med avseende på tidseffektivitet, minneseffektivitet och visuell korrekthet för att ta reda på vilken algoritm som öveträffar den andra med avseende på vilken aspekt.De utförda experimenten visade att Marching Cubes (Lorensen & Cline, 1987) var den mest tidseffektiva av de två, Constrained Elastic Surface Nets (Gibson, 1998) var mest minneseffektiv och Marching Cubes (Lorensen & Cline, 1987) var mest visuellt korrekt. Vidare forskning i ämnet skulle kunna göras på terränger som är för stora för enskilda modeller..