Denna studie gick ut på att jämföra tre olika algoritmer som har använts för bred kollisionsdetektering, dessa algoritmer var Kd-tree, Octree och Sweep and prune. Kd-tree och Octree är spatiala datastrukturer, d.v.s. att de hanterar objekt inom specifika volymer. Sweep and prune använder istället listor för att ta reda på om objekt kolliderar. Fokus låg på att se hur stor skillnad algoritmernas exekveringstid hade jämfört med ’brute force’-implementationen och jämfört med varandra. Det utfördes ett antal olika experiment på algoritmerna med ett antal olika inställningar för att kunna utvärdera hur de presterar i olika situationer. Dessa inställningar var t.ex. antalet boids, deras hastighet och hur långt de kunde se. Resultatet visade att Sweep and prune presterade bäst med en liten mängd boids medans de andra algoritmerna kom ikapp och presterade bättre när antalet objekt ökade, då Kd-tree presterade bäst överlag. Studien kan vara till hjälp med att välja vilken bred kollisionsdetekteringsalgoritm som kan tänkas implementeras för en applikation.

Detta arbete undersöker hur exekveringstiden för Sweep and Prune påverkas av parallellism i en dataorienterad programmeringsmiljö. Specifikt analyseras vilka prestandaökningar (eng:speedups) som erhålls vid användning av olika antal exekveringstrådar. Undersökningen motiveras av svårigheten att uppskatta prestandaökningar i praktiska sammanhang på grund av overhead som uppstår av parallelliseringsprocessen. För att besvara frågeställningen implementeras en parallelliserad version av Sweep and Prune med hjälp av Unitys jobbsystem. I en experimentmiljö framtagen i Unity DOTS utvärderas implementationen under exekvering med en, två, fyra, åtta respektive 16 exekveringstrådar. Resultatet visar att algoritmen presterar bättre ju fler exekveringstrådar som används, där den 16-trådade versionen uppvisar en prestandaökning motsvarande faktor 5,61. Vidare observeras att den relativa förbättringsfaktorn sjunker i takt med ökat trådantal, vilket stämmer överens med Amdahls lag. I fortsatta arbeten rekommenderas att studien återskapas i andra utvecklingsmiljöer för att vidare undersöka det underliggande ramverkets påverkan på parallellisering och prestanda.