<p>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.</p><p>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.</p>

Detta arbete handlar om Procedural Content Generation (PCG) i form av algoritmer som skapar osymmetriska banor och fokuserar på att ge en översikt av prestanda avseende tid, storlek samt tillgänglighetsgaranti. Tre olika algoritmer testades på hur lång tid det tog att skapa en bana, hur stora dess banor blev och om dessa banor tillåter att man kan nå alla gängliga områden. En Agentbaserad algoritm, Cellular Automata och Diffusion-limited Aggregation (DLA) studerades avseende dess styrkor och svagheter. Efter experimentet så drogs slutsatsen att DLA var mest effektiv inom tid och garanti dock skapade den små banor. Cellular Automata lyckades skapa stora rum men kunde de inte godkännas på punkten garanti, och den tog för lång tid att köra. Den Agentbaserade algoritmen misslyckades att skapa banor överhuvudtaget.

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.

Detta arbete handlar om Procedural Content Generation (PCG) i form av algoritmer som skapar osymmetriska banor, och fokuserar på att ge en översikt av prestanda avseende tid, storlek och tillgänglighetsgaranti. Tre olika algoritmer testades på hur lång tid det tog att skapa en bana, och hur stora dess banor blev, och om dessa banor tillåter att man kan nå alla gängliga områden. En Agentbaserad algoritm, Cellular Automata och Diffusion-limited Aggregation (DLA) studerades avseende dess styrkor och svagheter. Efter experimentet så drogs slutsatsen att DLA var mest effektiv inom tid och garanti dock skapade den små banor. Cellular Automata lyckades skapa stora rum men kunde de inte godkännas på punkten garanti, och den tog för lång tid att köra. Den Agentbaserade algoritmen misslyckades att skapa banor överhuvudtaget.

Testmetoder för tidskritiska applikationer har ofta bara omfattat statiska testmetoder där slutsatser kring applikationens exekveringstider och beteende dras utifrån studier av programkod och underliggande hårdvara. I detta arbete undersöks en dynamisk testmetod för framtagning av indata som med framgång använts i tidigare arbeten för bestämning av extrema exekveringstider hos applikationer. Detta arbete utvärderar tre varianter av denna testmetod för att försöka finna indata till applikationer som kan ge en inom ramen för applikationens möjligheter godtycklig exekveringstid. Detta för att förbättra möjligheterna att styra testning av denna typ av applikationer. Arbetet har visat att två av de tre algoritmvarianterna har lyckats tämligen väl med att komma närmare det mål som sattes upp som exekveringstid men inga närmare slutsatser har kunnat dras kring vilka parametrar som påverkat dessa varianters effektivitet.

Artificiella neuronnät (ANN), som tränas för att approximera ett problem, använder träningsdata från problemdomänen. Då denna mängd träningsdata kan vara ofullständig behövs det en analysmetod som visar hur nätverket uppför sig. En sådan analysmetod är invertering av nätverket. Invertering innebär att data som ger ett specifikt resultat i nätverket identifieras. Dessa resultat kan ge exempel som visar på brister eller felaktigheter i nätverket. Det här projektet använder ett ANN som ska klassificera handskrivna siffror. Resultatet från inverteringen visas för en "expertpanel". Panelen får avgöra vilka exempel som inte ska anses vara siffror. De utsorterade exemplen används sedan i en ny mängd träningsdata i syfte att förbättra nätverkets förmåga att klassificera de handskrivna siffrorna. Resultaten från experimentet visar att nätverkets klassificeringsförmåga inte skiljer sig nämnvärt från ett traditionellt tränat ANN. Dock kan det finnas egenheter hos nätverket som har förbättrats och som inte har identifierats i det här projektet.

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. Beteende hos flockar med manuellt satta vikter och optimerade med en genetisk algoritm jämförs. Jämförelsen sker genom mätningar enligt kriterier som reflekterar hur realistiskt flocken beter sig. Försöken påvisade två olika beteenden, ett där flocken centreras och ett där kollision och leta mat får prioritering.

Artificiella neurala nätverk (ANN) kan vara en bra teknik för att skapa intressanta datorstyrda motståndare i spel och då spel är en väldigt prestandakritisk typ av applikation så är det viktigt att optimera alla delar av ett spel. Detta arbete tittar närmare på huruvida det går att ta bort nätverkskopplingar hos ett ANN i optimeringssyfte och fortfarande behålla ett ANN:s förmåga att utföra sin uppgift. Under experimenten används två olika metoder för att avgöra vilken vikt som ska tas bort. ANN:ets förmåga graderas efter hur högt fitnessvärde det får i den genetiska algoritm som från början lärt upp den. Vidare analyseras sambandet mellan antalet borttagna vikter och ANN:ets fitnessvärde. Resultatet visar tyder på att en viss reduktion av vikter kan öka ANN:ets förmåga att utföra sin uppgift. Efter att antalet borttagna vikter ökar, minskar ANN:ets förmåga att prestera. Experimenten tyder dock på att minskningen ofta inte är dramatisk, utan ANN:et i experimenten ofta kan utföra delar av sin uppgift även med stora delar av nätverkets vikter borttagna.

Fast route planning for a standard car is well explored, lots of research, and many algorithms exist. For trucks or other heavy vehicles, the available research and quick algorithm alternatives dwindle. This thesis focuses on available alternatives for trucks and other vehicles with attributes hindering them from traversing parts of the road network. Attributes like height are one among many, which can hinder a vehicle on its path. These attributes can vary greatly and is the reason why known solutions can’t be applied. Many well-known solutions rely partially on precalculated data regarding the shortest path for its performance. Precalculating for all possible combinations of attributes is not practical due to the number of possible configurations and the amount of computing needed for each one. The implemented solution is derived from multiple existing solutions and was evaluated on a graph representing Sweden’s road network. The solution is sufficiently fast to allow commercial use and allows changes to the road network with nightly updates. The solution is based on trying to predict which roads are more important when searching for the shortest path. With this knowledge, a search for the shortest path can be said to prioritize the before mentioned roads, which results in it finding its goal faster. / Snabb ruttplanering för en vanlig personbil är välutforskat med mycket tillgänglig forskning och många existerande algoritmer. För lastbilar och andra tunga fordon minskar den tillgängliga forskningen och alternativa algoritmer kraftigt. Den här avhandlingen fokuserar på alternativen som existerar för lastbilar, samt andra fordon som har egenskaper vilket blockerar dem från att framföras på delar av vägnätverket. Höjd är ett attribut bland flera som kan hindra ett fordon från att ta sig fram. Dessa egenskaper kan variera kraftigt och är orsaken till varför kända lösningar inte går att applicera. Många välkända lösningar förlitar sig på förberäknad data gällande snabbaste möjliga väg för sin prestanda. Att utföra dessa beräkningar för alla möjliga kombinationer av egenskaper är opraktiskt på grund av antalet möjliga konfigurationer och hur mycket som måste räknas ut för varje. Den implementerade lösningen är en kombination av flera existerande lösningar och utvärderades på en graf som representerar det svenska vägnätet. Lösningen är snabb nog för att tillåta bruk inom det kommersiella och den tillåter förändringar i vägnätet med nattliga uppdateringar. Lösningen bygger på att försöka förutsäga vilka vägar i ett vägnät som är viktigare än andra när det gäller att finna den snabbaste vägen. Med hjälp av det kan man sedan styra en sökning så att den prioriterar dessa vägar och därmed hitta sitt mål fortare.

Denna litteraturstudie syftar till att undersöka undervisningen av divisionsalgoritmer för att redogöra för vilka svårigheter elever har med användningen av divisionsalgoritmer samt vilka strategier lärare kan tillämpa för att hantera dessa svårigheter. Vetenskapliga artiklar som besvarar dessa frågeställningar söktes fram genom databaserna Scopus och ERIC och valdes sedan ut baserat på förutbestämda urvalskriterier. Studiens resultat sammanställdes enligt en tematisk analys där olika teman formulerades utifrån artiklarnas innehåll för att ge svar på frågeställningarna. För att beskriva elevers svårigheter med divisionsalgoritmer skapades tre teman: 1) Att förstå varför; 2) Positionssystemet; och 3) Begreppet rest. Vidare skapades fyra teman som identifierade olika undervisningsstrategier för att hantera ovan nämnda svårigheter: 1) Arbeta successivt med förståelse från tidig ålder; 2) Jämföra flera algoritmer; 3) Organisera strukturerad övning; och 4) Låta elever diskutera i grupp. Från resultatet drogs framförallt slutsatsen att elever har svårt att förstå innebörden av varje steg i algoritmerna vilket bör tas hänsyn till i undervisningens upplägg. / This literature study aims to examine the teaching and learning of division algorithms to report on what difficulties students have in using division algorithms and what strategies teachers can apply to manage these difficulties. The search for academic journals that focus on these research issues were made in two databases called Scopus and ERIC, and the articles were then selected for this study based on predetermined selection criteria. The result for this study was compiled through a thematic analysis in which different themes were formulated based on the content of the articles to answer the research questions. Three themes were created to describe the students’ difficulties with division algorithms: 1) To understand why; 2) The place value system; and 3) The term remainder. Furthermore, four themes were created to identify different teaching strategies to manage the difficulties mentioned above: 1) To work gradually with understanding from a young age; 2) To compare different algorithms; 3) To organize structured practice; and 4) To let students discuss in groups. One conclusion based on the result was that students have a hard time understanding the meaning behind each step of the algorithms which should be considered when planning the teaching and learning of the subject.