Microscopic traffic simulation has become an important tool to investigate traffic efficiency and road safety. In order to produce meaningful results, incorporated driver behaviour models need to be carefully calibrated to represent real world conditions. In addition to macroscopic relationships such as the speed-density diagram, they should also adequately represent the average risk of accidents occurring on the road. In this thesis, I present a two stage computationally feasible multi-objective calibration process. The first stage performs a parameter sensitivity analysis to select only parameters with considerable effect on the respective objective functions to keep the computational complexity of the calibration at a manageable level. The second stage employs a multi-objective genetic algorithm that produces a front of Pareto optimal solutions with respect to the objective functions. Compared to traditional methods which focus on only one objective while sacrificing accuracy of the other, my method achieves a high degree of realism for both traffic flow and average risk. / Mikroskopisk trafiksimulering har blivit ett viktigt verktyg för att undersöka trafik effektivitet och trafiksäkerhet. För att producera meningsfulla resultat måste inbyggda drivrutinsbeteendemodeller noggrant kalibreras för att representera verkliga förhållanden i världen. Förutom makroskopiska relationer, såsom hastighetsdensitetsdiagrammet, bör de också på ett adekvat sätt representera den genomsnittliga risken för olyckor som uppträder på vägen. I denna avhandling presenterar jag en tvåstegs beräkningsberättigbar mångsidig kalibreringsprocess. Det första steget utför en parameterkänslighetsanalysför att bara välja parametrar med stor effekt på respektive objektiv funktioner för att hålla kalibrerings komplexiteten på en hanterbar nivå. Det andra steget använder en mångriktig genetisk algoritm som ger framsidan av Pareto optimala lösningar med hänsyn till objektivfunktionerna. Jämfört med traditionella metoder som fokuserar på endast ett mål, samtidigt som man offrar den andra, ger min metod en hög grad av realism för både trafikflöde och genomsnittlig risk.

This paper compares two different methods, reinforcement learning and genetic algorithm for designing autonomous cars’ control system in a dynamic environment. The research problem could be formulated as such: How is the learning efficiency compared between reinforcement learning and genetic algorithm on autonomous navigation through a dynamic environment? In conclusion, the genetic algorithm outperforms the reinforcement learning on mean learning time, despite the fact that the prior shows a large variance, i.e. genetic algorithm provide a better learning efficiency. / I det här papperet jämförs två olika metoder, förstärkningsinlärning och genetisk algoritm för att designa autonoma bilar styrsystem i en dynamisk miljö. Forskningsproblemet kan formuleras som: Hur är inlärningseffektiviteten jämför mellan förstärkningsinlärning och genetisk algoritm på autonom navigering i en dynamisk miljö? Sammanfattningsvis, den genetisk algoritm överträffar förstärkningsinlärning på genomsnittlig inlärningstid, trots att den tidigare visar en stor varians, dvs genetisk algoritm, ger en bättre inlärningseffektivitet.

3D ranging sensor LiDAR, is an extensively used sensor in the autonomous vehicle industry, but LiDAR placement problem is not studied extensively. This thesis work proposes a framework in an open- source autonomous driving simulator (CARLA) that aims to solve LiDAR placement problem, based on the tasks that LiDAR is intended for in most of the autonomous vehicles. LiDAR placement problem is solved by improving point cloud density around the vehicle, and this is calculated by using LiDAR Occupancy Boards (LOB). Introducing LiDAR Occupancy as an objective function, the genetic algorithm is used to optimize this problem. This method can be extended for multiple LiDAR placement problem. Additionally, for multiple LiDAR placement problem, LiDAR scan registration algorithm (NDT) can also be used to find a better match for first or reference LiDAR. Multiple experiments are carried out in simulation with a different vehicle truck and car, different LiDAR sensors Velodyne 16 and 32 channel LiDAR, and, by varying Region Of Interest (ROI), for testing the scalability and technical robustness of the framework. Finally, this framework is validated by comparing the current and proposed LiDAR positions on the truck. / 3D- sensor LiDAR, är en sensor som används i stor utsträckning inom den autonoma fordonsindustrin, men LiDAR- placeringsproblemet studeras inte i stor utsträckning. Detta uppsatsarbete föreslår en ram i en öppen källkod för autonom körningssimulator (CARLA) som syftar till att lösa LiDAR- placeringsproblem, baserat på de uppgifter som LiDAR är avsedda för i de flesta av de autonoma fordonen. LiDAR- placeringsproblem löses genom att förbättra punktmolntätheten runt fordonet, och detta beräknas med LiDAR Occupancy Boards (LOB). Genom att introducera LiDAR Occupancy som en objektiv funktion används den genetiska algoritmen för att optimera detta problem. Denna metod kan utökas för flera LiDAR- placeringsproblem. Dessutom kan LiDAR- scanningsalgoritm (NDT) för flera LiDAR- placeringsproblem också användas för att hitta en bättre matchning för LiDAR för första eller referens. Flera experiment utförs i simulering med ett annat fordon lastbil och bil, olika LiDAR-sensorer Velodyne 16 och 32kanals LiDAR, och, genom att variera intresseområde (ROI), för att testa skalbarhet och teknisk robusthet i ramverket. Slutligen valideras detta ramverk genom att jämföra de nuvarande och föreslagna LiDAR- positionerna på lastbilen.

This thesis investigates the impact noise has on Grover’s algorithm when being used to search for multiple items in a database. The main metric being looked at is the probability of the algorithm successfully finding a correct item. The Qiskit framework was used to implement and evaluate the algorithm’s performance in noise-free and noisy environments. Results from the experiments show significant findings. In noiseless tests, the algorithm performs effectively and as expected. However, with the introduction of a noise model, the algorithm’s performance declines noticeably. The probability of it finding a marked item was close to the probability of randomly selecting the same item from the database. This was the case regardless of how many items were marked or the database size. These unexpected outcomes illustrate the disabling effect of noise on Grover’s algorithm. Limitations of the study include noise completely disrupting the algorithm, challenges in accurately modelling quantum noise, and the use of relatively small databases. Further research is needed to explore noise mitigation strategies and assess the algorithm’s robustness in larger-scale scenarios. This research strengthens our understanding of noise’s impact on Grover’s algorithm, showcasing the challenges and limitations of its implementation. It highlights the importance of properly managing noise in quantum computing to fully utilize its potential in efficiently solving complex problems. / Denna avhandling undersöker effekten av brus på Grover’s algoritm för att söka efter flera markerade element i en databas. Huvudfokuset var att undersöka sannolikheten att algoritmen korrekt skulle hitta ett av flera markerade element i en databas. Qiskit-ramverket användes för att utvärdera algoritmens prestanda i brusfria och brusiga miljöer. Resultaten från experimenten var betydelsefulla. I brusfria tester presterar algoritmen effektivt och som förväntat. Men, med införandet av brus minskar algoritmens prestanda avsevärt. Sannolikheten för att algoritmen hittar ett markerat element liknar sannolikheten för att slumpmässigt välja ut samma element från databasen. Detta var fallet oavsett hur många element som var markerade och databasens storlek. Dessa oväntade resultat illustrerar brusets söndrande effekt på Grover’s algoritm. Begränsningar i studien inkluderar att bruset helt får algoritmen att sluta fungera, utmaningar med att noggrant modellera kvantbrus och användningen av relativt små databaser. Vidare forskning behövs för att undersöka strategier för att mitigera brus och bedöma algoritmens robusthet i storskaliga scenarier. Denna forskning stärker vår förståelse för brusets påverkan på Grover’s algoritm och betonar utmaningar och begränsningar vid dess implementering. Den betonar vikten av att hantera brus inom kvantdatorer för att kunna utnyttja deras potential för effektiv lösning av komplexa problem.

This thesis aims to see If an algorithm could automatically generate a meal plan that is optimized for low food waste. Design and creation is the method used and the algorithm is developed over a few iterations. The idea is that the algorithm could be used in a mobile application that allows users to search for recipes, mark the ones they like, add their own, and generate a meal plan. The resulting algorithm consists of four parts; an input stage, a stage that decides when to cook each portion, an improvement stage in which the algorithm searches for a better combination of recipes, and an output stage. An adaptation of a neighborhood search is used for the search algorithm, in addition, two heuristic evaluation functions are used to evaluate the waste and other factors of the meal plan. The test results show that the algorithm can generate meal plans with no leftover items (that last shorter than 60 days) for a lot of different test cases. More recipes produce better results up to a certain point, but not so many recipes are needed to have a chance of a successful meal plan generation. Future testing and research in this area could lead to a lot of benefits for people and the climate.

The University Course Timetabling Problem (UCTP) is the problem of assigning locations (lecture halls, computer rooms) and time slots (time and date) to a set of events (lectures, labs) while satisfying a number of constraints such as avoiding double-bookings. Many variants of problem formulations exist, and most realistic variants are thought to be NP-hard. A recent trend in solving hard scheduling problems lies in the application of hybrid metaheuristics, where improvements are often found by hybridizing a population-based approach with some form of local search. In this paper, an implementation of a Genetic Algorithm (GA) that solves the UCTP is hybridized with local search in the form of Tabu Search (TS). The results show significant improvements to the performance and scalability over the non-hybridized GA. Two application strategies for the TS are investigated. The first strategy performs a switch-over from the GA to the TS, while the second interleaves the two algorithms. The effectiveness of each application strategy is seen to depend on the characteristics of the individual algorithms. / Schemaläggningsproblemet UCTP (University Course Timetabling Problem) består av problemet att tilldela platser (föreläsningssalar, laborationssalar) och tidpunkter (datum och klockslag) till en mängd tillställningar (föreläsningar, laborationer) under kravet att upprätthålla en mängd restriktioner, exempelvis att undvika dubbelbokningar. Det finns många varianter av problemformuleringen och de flesta realistiska formuleringer anses ge upphov till NP-svåra optimeringsproblem. En förhållandevis ny trend för lösningsmodeller till svåra schemaläggningsproblem ligger i tillämpningen av hybrida metaheuristiker, där förbättringar ofta ses när populationsbaserade algoritmer kombineras med någon typ av lokalsökning. I denna rapport undersöks en UCTP-lösning baserad på en Genetisk Algoritm (GA) som hybridiseratsmed en lokalsökning i form av en Tabusökning (TS). Resultaten visar på signifikanta förbättringar i prestanda och skalbarhet jämfört med den icke-hybridiserade GA:n. Två appliceringsstrategier för TS undersöks. Den första strategin utgörs av att byta algoritm från GA till TS, medan den andra utgörs av att sammanfläta de två algoritmerna. Appliceringsstrategiernas effektivitet ses bero av de individuella algoritmernas egenskaper.

This bachelor’s thesis is a combined study of applied mathematical statistics and industrial engineering and management implemented to develop an algorithm which creates product combinations based on customer data analysis for eleven AB. Mathematically, generalized linear modelling, combinatorics and conditional probabilities were applied to create sales prediction models, generate potential combinations and calculate the conditional probabilities of the combinations getting purchased. SWOT analysis was used to identify which factors can enhance the sales from an industrial engineering and management perspective. Based on the regression analysis, the study showed that the considered variables, which were sales prices, brands, ratings, purchase countries, purchase months and how new the products are, affected the sales amounts of the products. The algorithm takes a barcode of a product as an input and checks whether if the corresponding product type satisfies the requirements of predicted sales amount and conditional probability. The algorithm then returns a list of possible product combinations that fulfil the recommendations. / Detta kandidatexamensarbete är en kombinerad studie av tillämpad matematisk statistik och industriell ekonomisk implementering för att utveckla en algoritm som skapar produktkombinationer baserad på kunddata analys för eleven AB. I den matematiska delen tillämpades generaliserade linjära modeller, kombinatorik och betingade sannolikheter för att skapa prediktionsmodeller för försäljningsantal, generera potentiella kombinationer och beräkna betingade sannolikheter att kombinationerna bli köpta. SWOT-analys användes för att identifiera vilka faktorer som kan öka försäljningen från ett industriell ekonomiskt perspektiv. Baserat på regressionsanalysen, studien har visat att de betraktade variablerna, som var försäljningspriser, varumärken, försäljningsländer, försäljningsmånader och hur nya produkterna är, påverkade försäljningsantalen på produkterna. Algoritmen tar emot en streckkod av en produkt som inmatning och kontrollerar om den motsvarande produkttypen uppfyller kraven för predikterad försäljningssumma och betingad sannolikhet. Algoritmen returnerar en lista av alla möjliga kombinationer på produkter som uppfyller rekommendationerna.

A problem that is prevalent for testers at Ericsson is that performance test results are continuously generated but not analyzed. The time between occurrence of problems and information about the occurrence is long and variable. This is due to the manual analysis of log files that is time consuming and tedious. The requested solution is automation with an algorithm that analyzes the performance and notifies when problems occur. A binary classifier algorithm, based on statistical methods, was developed and evaluated as a solution to the stated problem. The algorithm was evaluated with simulated data and produced an accuracy of 97.54 %, to detect trend breaks. Furthermore, correlation analysis was carried out between performance and hardware to gain insights in how hardware configurations affect test runs. / Ett allmänt förekommande problem för testare på Ericsson är att resultat från flera prestandatester genereras kontinuerligt men inte analyseras. Tiden mellan förekommande fel och informationen av dessa är hög och varierande. Detta på grund av manuell analys av loggfiler som är tidsödande och ledsamt. Den efterfrågade lösningen är automatisering med en algoritm, baserad på statistisk metodik, som analyserar data om prestanda och meddelar när problem förekommer. En algoritm för binär klassifikation utvecklades och utvärderades som lösning till det fastställda problemet. Algoritmen utvärderades med simulerad data och alstrade en noggrannhet på 97,54%, för att detektera trendbrott. Dessutom utfördes korrelationsanalys mellan prestandan och hårdvaran för att få insikt i hur hårdvarukonfigurationen påverkar testkörningar.

Recently ABB AB/Metallurgy has developed a novel temperature measuring system in the mold copper plate for continuous casting, named OptiMold Monitor, with the purpose of dynamically monitoring mold conditions and to control the FC Mold.The OptiMold Monitor temperature signals can be further analyzed for the information of the shape of the meniscus of the molten steel together with fluid flow symmetry and speed. Also, it can be analyzed for extracting information about how the steel has started to solidify in the mold and to detect solidification deficiencies such as cracks or risks of shell break-outs. Algorithms and Matlab codes developed by ABB for the thermal data analysis has perceived good insight into the results. The OptiMold Monitor system is currently being tested in Tata Steel IJmuiden steelworks.Algorithms for local cold and hot spot detection have been suggested for robust performance and to address the issue of false alarms. And the nail bed tests for meniscus profile and speed have been analyzed. / ABB AB / Metallurgi har utvecklat ett nytt temperaturmätningssystem i gjutkopparplattan för kontinuerlig gjutning, benämnd OptiMold Monitor, med syfte att dynamiskt övervaka aktuell gjutningsstatus och för att styra FC Mold.Temperatursignalerna från OptiMold Monitor- kan analyseras vidare för ge informationen om formen av det smälta stålet tillsammans med fluidflödessymmetri och hastighet. Det kan också analyseras för att extrahera information om hur stålet har börjat stelna i formen och för att upptäcka stelningsdefekter som sprickor eller risker för utbrytning av skal. Algoritmer och Matlab-koder som utvecklats av ABB för termisk dataanalys har givit god inblick i resultaten. OptiMold Monitor-systemet testas för närvarande i stålverket Tata Steel IJmuiden. Algoritmer för lokal kylning och detektering av ”hot spots” har föreslagits för att ge robusta prestanda och att för att hantera risken för falska larm. Även resultat från nagelbäddstesterna för gjutprofil och hastighet har analyserats.

With the development of cloud computing technologies, the concept of Function as a Service (FaaS) has become increasingly popular over the years. Developers can choose to create applications in the form of functions, and delegate the deployment and management of the infrastructure to the FaaS provider. Before a function can be executed at the infrastructure of the FaaS service provider, an environment to execute a function needs to be initiated; this environment initialization is known as cold start. Loading and maintaining a function is costly for FaaS providers, especially the cold start process which costs more system resources like Central Processing Unit (CPU) and memory than keeping functions alive. Therefore it is essential to prevent a cold start whenever possible because this would lead to an increase in both the response time and the cost. An instance management policy need to be implemented to reduce the probability of cold starts while minimizing costs. This project’s objective is to develop an instance management algorithm to minimize total costs while meeting response time requirements. By investigating three widely used instance management algorithms we found that none of them utilize the dependency existing between functions. We believe these dependencies can be useful to reduce response time and cold start probability by predicting next invocations. By leveraging this observation, we proposed a novel Dependency Based Algorithm (DBA). By using extensive simulations we showed that proposed algorithm can solve the problem and provide low response time with low costs compare to baselines. / I och med utvecklingen av molntjänster har konceptet FaaS (Function as a Service) blivit alltmer populärt under årens lopp. Utvecklare kan välja att skapa applikationer i form av funktioner och delegera utplaceringen och förvaltningen av infrastrukturen till FaaS-leverantören. Innan en funktion kan exekveras i FaaS-tjänsteleverantörens infrastruktur måste en miljö för att exekvera en funktion initieras; denna miljöinitialisering kallas kallstart. Att ladda och underhålla en funktion är kostsamt för FaaS-leverantörerna, särskilt kallstartsprocessen som kostar mer systemresurser som CPU och minne än att hålla funktionerna vid liv. Därför är det viktigt att förhindra en kallstart när det är möjligt eftersom detta skulle leda till en ökning av både svarstiden och kostnaden. En policy för hantering av instanser måste införas för att minska sannolikheten för kallstarter och samtidigt minimera kostnaderna. Projektets mål är att utveckla en algoritm för hantering av instanser för att minimera de totala kostnaderna samtidigt som kraven på svarstid uppfylls. Genom att undersöka tre allmänt använda algoritmer för hantering av instanser fann vi att ingen av dem utnyttjar det beroende som finns mellan funktioner. Vi tror att dessa beroenden kan vara användbara för att minska svarstiden och sannolikheten för kallstart genom att förutsäga nästa anrop. Genom att utnyttja denna observation föreslog vi en ny beroendebaserad algoritm. Med hjälp av omfattande simuleringar visade vi att den föreslagna algoritmen kan lösa problemet och ge en låg svarstid med låga kostnader jämfört med baslinjerna.