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. Resultatet från undersökningen talar för att GA är mer fördelaktig att använda än tillståndsmaskiner. Mätningarna visade på att GA tog längre tid att implementera än tillståndsmaskinen, dock är GA generellt mer robust och flexiblare, vilket visade sig när nya beteenden lades till. GA presterar även bättre på merparten av testerna för anpassningsbarheten.  Tillståndsmaskinen var effektivare. När hänsyn togs till antalet anrop respektive algoritm fick, visade det sig att skillnaden var betydligt mindre. Resultatet kan användas som grund till utförliga undersökningar i framtida forskning. Implementationen kan anpassas till andra spel, innehållande ekosystem.

Jordens befolkning växer och allt fler flyttar in till urbana områden. Detta medför att städer växer, nya byggnader tillkommer och infrastrukturer expanderar. Denna snabba tillväxtfas står i direkt anslutning till ökade översvämningar till följd av de förändringar som görs i naturen. De redan överbelastade dagvattensystemen har i många fall svårt att hantera de befintliga kraven. Till följd av detta uppstår översvämningar vid större regnintensitet och utgör stora omkostnader för samhället. Dagvattenhanteringen brister då det inom kommunens organisationer är otydliga ansvarsfördelningar. För att kunna planera för hållbara städer även i framtiden är det viktigt att hitta en genomförbar lösning gällande både ansvarsfördelningen samt hur dagvattnet ska hanteras på bästa sätt för att uppnå kostnadsfördelar. I denna studie tas det fram en guide för kommunen över hur ansvaret bör fördelas mellan kommun och exploatör i dagvattenfrågan. Guiden bygger på simuleringar och teorier inom optimeringslära för att kunna föreslå rimliga lösningar. Genom dessa simuleringar av dagvattensystemet har mängden vatten som inte ryms i dagvattensystemet kvantifierats. Vidare för att hitta en rimlig alternativ avrinningsväg för det överflödiga dagvattnet har olika algoritmer för kortaste vägen problemet undersökts. Resultaten visar att en klassisk algoritm med en heuristisk funktion som appliceras på kortaste vägen problemet inte kan identifiera den mest lämpliga avrinningsvägen. Detta då den heuristiska funktionen i algoritmen förhindrar att en naturligare avrinningsväg uppströms väljs även om denna skulle ge en mer optimal lösning. / The earth's population is growing and increasingly more people move into urban areas. This means that as cities grow, new buildings are being built and infrastructures are expanding. This rapid growth is directly related to increased floods as a result of man-made changes in nature. The already overloaded storm water systems for rain-, melt-, rinsing and other surplus water cannot often handle the existing demand. Therefore, floods arise at greater rain intensity and pose significant costs to society. Due to an unclear division of responsibility within the municipality's organizations there is a failure to handle the existing storm water problem. In order to be able to plan for sustainable cities in the future, it is important to find a viable solution regarding the responsibility issue and how to best handle the storm water to achieve cost advantage. This study presents a guide for municipalities on how to allocate the responsibility between the municipality and the exploiter. The guide is based on simulations and theories in optimization to propose effective solutions for harmful surplus storm water. Through simulations of the storm water system, the amount of surplus water that does not fit the storm water system capacity has been quantified. In addition, to find a reasonable alternative run-off path for the surplus water, different methods of the shortest path problem have been investigated. The results show that a classical shortest path algorithm with a heuristic function is not the most appropriate alternative. This because the heuristic function in the algorithm prevents the selection of a more natural pathway upstream even though it could be a more optimal solution.

I läroplanen för grundskolan och gymnasieskolan lyfts vikten av att undervisa i programmering i olika ämnen, men främst i teknik- och matematikämnet. Syftet med detta arbete är att synliggöra och förstå lärarens olika uppfattningar av vilka förmågor som kan utvecklas hos eleven vid användning av programmering. Studien tar sin utgångspunkt i en kvalitativ forskningsmetod med en fenomenografisk ansats vilket innebär att människors uppfattningar är i fokus, det är en avbildande och beskrivande forskningsansats. De empiriska materialen har samlats in i form av intervjuer med teknik-matematiklärare i grundskolans senare år och gymnasieskolan. Studien är baserad på nio pedagogers uppfattningar av vilka förmågor som kan utvecklas hos eleven via programmering. Studiens resultat har bärande likheter med tidigare forskning, dock finns ett visst empiriskt forskningsstöd som framhäver förmågors utveckling via programmering. Studiens slutsatser tyder på att några av lärarna i studien anser att programmering kan utveckla en viss förmåga, medan några anser att det är svårt att se ett konkret samband mellan användningen av programmering och förmågors utveckling. Med denna studie vill jag ge en fördjupad kunskap om lärarnas olika uppfattningar om programmering i skolkontexten. Programmering i ett lärande perspektiv har inte undersökt i hög grad tidigare och av denna anledning syftar denna studie att bidra med kunskap gällande denna fråga / <p>Teknik</p>

I dagens samhälle är maskininlärning en metod som blir allt mer populär för att lösa olika problem som företag ställs inför världen runt. Många företag har berg av lagrad data som inte används till någon nytta. Den datan kan användas på många olika sätt för att göra förbättringar inom företagen. Ett av sätten är maskininlärning, det har blivit mer och mer populärt för att skapa rekommendationer. Det här projektets syfte är att skapa ett bevis på konceptet att en maskininlärningsmodell är kapabel att ge rekommendationer baserat på historisk data. Projektet kommer vara riktlinjer för hur Centrala Studiestödsnämnden (CSN) ska fortsätta med maskininlärning som ett alternativ till manuella rekommendationer. Det uppnås genom att determinera vilken data som ska användas, förstå datan som används och välja en algoritm som passar den datan. Sedan kan algoritmerna användas för att skapa maskininlärda modeller som kan testas i diverse olika sätt för att se vilken som passar ändamålet. Två modeller skapas med olika algoritmer som båda passar uppgiften. Modellerna testas genom praktiska och teoretiska test. Resultatet visar att algoritmerna är liknande i deras predikterade rekommendationer men har en del variation. / In today's society machine learning is a growing method to solve certain problems faced by companies worldwide. Many companies have mountains of stored data that are not being utilised. This data can be used in numerous ways to make improvements within these companies. One of the ways is machine learning, it is used more and more these days to generate recommendations. This project's purpose is to make a proof of concept of a machine learning model capable of giving recommendations based on historical data. This proof of concept will serve as guidelines to Centrala Studiestödsnämnden (CSN) in how they should approach machine learning as an alternative to manual recommendations. This is achieved by determining what data is to be used, understanding the data selected and then picking an algorithm suitable for that data. Then the algorithms will be used to create machine learned models which will be tested in various ways to see which works best for the task at hand. Two models are created with different algorithms that both fit the purpose. The models are tested through practical and theoretical tests. The results show that the algorithms are similar in which predicted recommendations they give but have slight variation.

Sociala medier är ett fenomen som utvecklats drastiskt under de senaste 20 åren. Instagram och Facebook är två av de mest använda sociala medieplattformarna som har utvecklats markant med digitaliseringen. År 2016 ändrade Instagram sin algoritm, och 2018 gjorde Facebook samma sak. Algoritmerna syftar nu till att skräddarsy användarnas flöde för att visa det som är mest relevant till respektive konto och föra människor närmare varandra. Studien syftar till att undersöka hur Instagrams och Facebooks algoritmer fungerar och påverkar människor. Arbetet ska klargöra hur en algoritm uppfattas, hur plattformarna kan ha gått ifrån sina ursprungliga användningssyften och vilka etiska frågor som väckts till liv i processen. För att uppfylla studiens syfte skapas en undersökning utifrån tre generationer för att studera hur algoritmer påverkar människor och den roll som algoritmer spelar i samhället. Arbetet tar upp såväl positiva som negativa aspekter i relation till algoritmer. En kvalitativ undersökning med kvantifierbar data grundar strukturerade intervjuer i form av webbaserade frågeformulär. I ett första stadie ska respondenterna svara på ett frågeformulär. I nästa stadie ska respondenterna titta på dokumentärfilmen The Social Dilemma och sedan svara på efterföljande frågor i ett avslutande skede.

AbstractUppsatsen syfte är att undersöka om matematiklärare på grundskolans senare år och skolan som organisation arbetar med undervisning av programmering i matematik samt hur lärare talar om sin upplevelse av svårigheter och utmaningar inför detta moment. Denna studie kommer att utgå från både elevperspektiv och lärarperspektiv separat och på så sätt ta reda på hur elever upplever att arbeta med programmering och vad lärare tycker om programmering. Jag har genomfört en enkät för 70 elever, enkät för sju lärare på två olika skolor samt intervjuat tre lärare och en skolledare.En enkätundersökning genomfördes på elever som går årskurs 9 på en medelstor skola i Kronobergs län. Undersökningen mål var att undersökte vilken inställning som eleverna hade till programmering. Lärarenkäten genomfördes som en webbaserad enkätundersökning med sju lärare på två olika skolor i Kronobergs län. De lärare som intervjuades jobbar alla på en grundskola i Kronobergs län. Dessa lärare valdes på ett slumpmässigt sätt utifrån skolans personalstyrka och deras vilja att medverka i studien. Skolledares intervju har bidragit till ytterligare en dimension utifrån skolans olika professioner.Dessa kvalitativa intervjuer och samtliga webbaserad enkätundersökning har hanterats utifrån Vetenskapsrådets fyra etiska principer (2011). De fyra principerna är: informationskravet, samtyckeskravet, konfidentialitetskravet och nyttjandekravet. Utifrån resultatet analyserades samtligt material i koppling till teori, styrdokument och tidigare forskning.Studien kom fram till att lärarna uttrycker en osäkerhet gällande skillnaden i olika sorters programmering vilket resulterar i att de inte vet hur de ska börja sin planering av sin undervisning. Samtliga lärare vill ha kompetensutveckling eller kollegialt lärande för att kunna påbörja sin undervisning av programmering.Skellefteå kommun (2018) insåg att skolorna saknade en plan för undervisning i programmering och tog därför fram en tillfällig undervisningsplan som skolorna skulle kunna använda medan de utveckla sin undervisningsplan. Detta hade underlättat för de lärare som är representerade i studien och även för skolledaren då det hade kunnat finnas en gemensam linje på de aktuella skolorna vilket inte finns i dagsläget.Som avslutning kan det konstateras att elever upplever programmering som intressant och spännande men de saknar kännedom medan lärare känner en viss nervositet i att undervisa i ämnet.

In this paper we have compared and evaluated two different representations used in search based procedural content generation (PCG). The comparison was based on the differences in performance, quality of the generated content and the complexity of the final artifacts. This was accomplished by creating two artifacts, each of which used one of the representations in combination with a genetic algorithm. This was followed up with individual testing sessions in which 21 test subjects participated. The evaluated results were then presented in a manner of relevance for both search based PCG as a whole, and for further exploration within the area of representations used in this field.

Målet med detta examensarbete har varit att utveckla en app med en algoritm för att mäta rotationshastigheten hos en prototyp för en spirometerlösning till en låg kostnad för smart- telefoner. En förstudie har gjorts av smarttelefoners användbarhet för att mäta hälsotillstånd och vilka alternativa lösningar och algoritmer som finns för att mäta rörelsedetektion. I detta arbete har en app med en algoritm utvecklats för att detektera rörelser och mäta rotations- hastigheten hos spirometerprototypens turbin filmad med en smarttelefonkamera. För att metoden ska fungera är det viktigt att rotationshastigheten understiger hälften av kamerans fps (bilder per sekund). Rotationshastigheten hos turbinen måste därför begränsas och det behövs en kamera som klarar minst 120 fps för att fånga rörelserna i prototypens turbin.Arbetet har resulterat i en fungerande algoritm för att bestämma turbinens rotationshastighet. Den utvecklade algoritmen detekterar topparna i en PPG (photoplethysmogram). För att minska beräkningstiden och för att öka noggrannheten analyserar algoritmen färgintensiteten i ett begränsat område, ett s.k. ROI (Region of Interest) i varje bild. Det finns stora möjligheter att använda denna algoritm för att fortsätta utvecklingen av detta alternativa sätt att utföra spirometritester. / The goal with this bachelor thesis was to develop an application with an algorithm to measure the rotation speed of a prototype, as a low-cost solution for measuring spirometry with a smartphone. In a pilot study it was investigated how a smartphone can be used to measure health and what algorithms there are to detect motion in videos. After the pilot study an app with the function to record a video by using the camera of a smartphone and then use an algorithm to detect the rotation speed in the spirometry-prototype’s turbine was developed. To make it work it is important that the rotation speed is low enough so it does not exceed half of the cameras fps. Therefore, to capture the rotation speed of the spirometry-prototype’s turbine the rotation needs to be limited and a smartphone with a camera with at least 120 fps is required.The result of this work is an algorithm that can measure the rotation speed in the spirometry prototype turbine. The algorithm is detecting the peaks in a PPG. To minimize the computation time and to increase the accuracy the algorithm analyses the colour intensity over a ROI in every frame. There is great potential to use this algorithm to further develop this alternative method of measuring spirometry.

Evolutionary algorithms have achieved great performance among a wide range of optimization problems. In this degree project, the network optimization problem has been reformulated and solved in an evolved way. A feasible evolutionary framework has been designed and implemented to train neural networks in supervised learning scenarios. Under the structure of evolutionary algorithms, a well-defined fitness function is applied to evaluate network parameters, and a carefully derived form of approximate gradients is used for updating parameters. Performance of the framework has been tested by training two different types of networks, linear affine networks and convolutional networks, for a flash call verification task.Under this application scenario, whether a flash call verification will be successful or not will be predicted by a network, which is inherently a binary classification problem. Furthermore, its performance has also been compared with traditional backpropagation optimizers from two aspects: accuracy and time consuming. The results show that this framework is able to push a network training process to converge into a certain level. During the training process, despite of noises and fluctuations, both accuracies and losses converge roughly under the same pattern as in backpropagation. Besides, the evolutionary algorithm seems to have higher updating efficiency per epoch at the first training stage before converging. While with respect to fine tuning, it doesn’t work as good as backpropagation in the final convergence period. / Evolutionära algoritmer uppnår bra prestanda för ett stort antal olika typer av optimeringsproblem. I detta examensprojekt har ett nätverksoptimeringsproblem lösts genom omformulering och vidareutveckling av angreppssättet. Ett förslag till ramverk har utformats och implementerats för att träna neuronnätverk i övervakade inlärningsscenarier. För evolutionära algoritmer används en väldefinierad träningsfunktion för att utvärdera nätverksparametrar, och en noggrant härledd form av approximerade gradienter används för att uppdatera parametrarna. Ramverkets prestanda har testats genom att träna två olika typer av linjära affina respektive konvolutionära neuronnätverk, för optimering av telefonnummerverifiering. I detta applikationsscenario förutses om en telefonnummerverifiering kommer att lyckas eller inte med hjälp av ett neuronnätverk som i sig är ett binärt klassificeringsproblem. Dessutom har dess prestanda också jämförts med traditionella backpropagationsoptimerare från två aspekter: noggrannhet och hastighet. Resultaten visar att detta ramverk kan driva en nätverksträningsprocess för att konvergera till en viss nivå. Trots brus och fluktuationer konvergerar både noggrannhet och förlust till ungefär under samma mönster som i backpropagation. Dessutom verkar den evolutionära algoritmen ha högre uppdateringseffektivitet per tidsenhet i det första träningsskedet innan den konvergerar. När det gäller finjustering fungerar det inte lika bra som backpropagation under den sista konvergensperioden.

Norrmejerier’s supply of raw material fluctuates during different periods of the year. During the months where the company receives the most milk there is a need of an increase in cheese production in order to refine the milk in a more value creating way. To enable an increase in the production the process of the cheese department in Umeå is mapped. To determine the critical parts of the process a month’s production is simulated in a discrete event system.  Today the department produces eight different cheese types of which they aim to carry a constant partition. All process times except the one for the last process step are independent on the cheese type produced. The process time for the last leg differs with up to 70% depending on the cheese type. Hence the total production volume depends on the order in which the different types of cheese are produced, the production sequence.  In this thesis we optimize the production sequence with a genetic search algorithm. Given the predetermined distribution of cheese types a set of production sequences is created which are tested against a model imitating the process. The set of sequences is gradually improved through the genetic algorithm to finally reach a solution considered good enough. This enables us to derive the maximum capacity of the process and determine its bottlenecks.  This study concludes that a production increase of 16,6% can be achieved by additional staff, adjusted work routines and an optimized production sequence. To further increase the production, an increased capacity of the first part of the process is required, that being the pasteurization step. Given an increase in the pasteurization step the next bottleneck would appear in the last part of the process, where the cheese is placed in a salt brine. / Norrmejerier har under året en fluktuerande invägning av råvara som vid toppar ger upphov till ett råvaruöverskott. För att förädla råvaran på ett mer värdeskapande vis finns ett behov av en kapacitetsökning av osttillverkning under de perioder då invägningen är som störst. För att möjliggöra en ökad produktion av ost kartläggs processen på ysteriavdelningen i Umeå. Avdelningen producerar åtta osttyper och önskar bibehålla en förutbestämd fördelning av dessa. Givet fördelningen simuleras en månads produktion i ett diskret händelsesystem där kritiska delar i processen identifieras.  Beläggningstiden för processdelarna på ysteriavdelningen är mer eller mindre oberoende av vilken osttyp som produceras med undantag för det sista processteget där beläggningstiden varierar med upp till 70%. Detta leder till att den totala produktionsvolymen är beroende av i vilken ordning de olika osttyperna produceras.  I denna studie optimerar vi denna ordningsföljd, benämnd produktionssekvens, med en genetisk sökalgoritm. Givet den förutbestämda fördelningen av osttyper skapar vi en mängd produktionssekvenser som testas mot en modell som imiterar processen. Mängden produktionssekvenser utvecklas successivt via den genetiska algoritmen för att kulminera i en tillräckligt bra lösning. Genom att göra detta kan processens flaskhals identifieras och en maxkapacitet härledas.  Studien fastställer att förändringar i bemanning, arbetssätt och en optimerad produk- tionssekvens kan ge en ökad produktion om 16,6%. För ytterligare förbättringar krävs ökad kapacitet på den första processdelen där mjölken pastöriseras. Om kapaciteten utökas uppstår nästa flaskhals i det sista processteget, saltlaken.