Rörelseigenkänning (motion capture) med optiska mätsystem används i flera applikationer för översättning av positioner i det fysiska rummet till det virtuella. I det här arbetet approximeras den snittvolym som motsvarar vad två eller fler kameror ser i ett sådant optiskt mätsystem. Volymen approximeras med en octree-datastruktur som lagrar information om kvalitet för individuella delar i volymen. Datastrukturens associerade kvalitetsmått används i kombination med ett vinkelmått i ett senare delsteg för att optimera fram en kamerauppsättning med en genetisk algoritm. Volymapproximeringens konstruktion implementerades i C++ och den genetiska algoritmen använder specialiserad överkorsning och initiering. Genomet är utformat så att problemdomänen begränsas till det aktuella problemet. Resultatet av optimeringen visar att vidareutveckling är nödvändig och lösningarna som optimerats fram var inte tillräckliga. Potentiella framtida arbeten innefattar fortsatt utveckling av nuvarande kvalitetsmått, samt vidare jämförande studier av volymapproximeringen.

Genetiska algoritmer(GA)är en sökalgoritm som framlades av Holland (1975). GA efterliknar evolution; en mängd lösningar kombineras och muterar under loppet av flera generationer för att skapa en så bra lösning som möjligt. En vidareutveckling av GA är distribuerade genetiska algoritmer (DGA); en samling GA exekverar isolerat från varandra och med jämna mellanrum delar lösningarmed varandra. Detta arbete har undersökt hur DGA påverkas av k-elitism; att de k bästa lösningarna kopieras till nästa generation utan att förändras. En DGA har implementerats som löser handelsresandeproblem från problembiblioteket TSPLIB. Experimenten visade att k-elitism påverkar hur bra lösningar som produceras samt hur många generationer som krävs innan algoritmen slutar göra framsteg. Vissa värden på k gav i regel bättre resultat, och andra värden på k gav i regel sämre resultat. Det föreslås att mer forskning görs på området. Resultaten bör verifieras för andra variabeluppsättningar och migrationsfrekvensens betydelse bör undersökas djupare.

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.

No description available.

When classifying high-dimensional data, a lot can be gained, in terms of both computational time and precision, by only considering the most important features. Many feature selection methods are based on the assumption that important features are highly correlated with their corresponding classes, but mainly uncorrelated with each other. Often, this assumption can help eliminate redundancies and produce good predictors using only a small subset of features. However, when the predictability depends on interactions between the features, such methods will fail to produce satisfactory results. Also, since the suitability of the selected features depends on the learning algorithm in which they will be used, correlation-based filter methods might not be optimal when using genetic programs as the final classifiers, as they fail to capture the possibly complex relationships that are expressible by the genetic programming rules. In this thesis a method that can find important features, both independently and dependently discriminative, is introduced. This method works by performing two different types of permutation tests that classifies each of the features as either irrelevant, independently predictive or dependently predictive. The proposed method directly evaluates the suitability of the features with respect to the learning algorithm in question. Also, in contrast to computationally expensive wrapper methods that require several subsets of features to be evaluated, a feature classification can be obtained after only one single pass, even though the time required does equal the training time of the classifier. The evaluation shows that the attributes chosen by the permutation tests always yield a classifier at least as good as the one obtained when all attributes are used during training - and often better. The proposed method also fares well when compared to other attribute selection methods such as RELIEFF and CFS. / Då man handskas med data av hög dimensionalitet kan man uppnå både bättre precision och förkortad exekveringstid genom att enbart fokusera på de viktigaste attributen. Många metoder för att hitta viktiga attribut är baserade på ett grundantagande om en stark korrelation mellan de viktiga attributen och dess tillhörande klass, men ofta även på ett oberoende mellan de individuella attributen. Detta kan å ena sidan leda till att överflödiga attribut lätt kan elimineras och därmed underlätta processen att hitta en bra klassifierare, men å andra sidan också ge missvisande resultat ifall förmågan att separera klasser i hög grad beror på interaktioner mellan olika attribut. Då lämpligheten av de valda attributen också beror på inlärningsalgoritmen i fråga är det troligtvis inte optimalt att använda sig av metoder som är baserade på korrelationer mellan individuella attribut och dess tillhörande klass, ifall målet är att skapa klassifierare i form av genetiska program, då sådana metoder troligtvis inte har förmågan att fånga de komplexa interaktioner som genetiska program faktiskt möjliggör. Det här arbetet introducerar en metod för att hitta viktiga attribut - både de som kan klassifiera data relativt oberoende och de som får sina krafter endast genom att utnyttja beroenden av andra attribut. Den föreslagna metoden baserar sig på två olika typer av permutationstester, där attribut permuteras mellan de olika dataexemplaren för att sedan klassifieras som antingen oberende, beroende eller irrelevanta. Lämpligheten av ett attribut utvärderas direkt med hänsyn till den valda inlärningsalgoritmen till skillnad från så kallade wrappers, som är tidskrävande då de kräver att flera delmängder av attribut utvärderas. Resultaten visar att de attribut som ansetts viktiga efter permutationstesten genererar klassifierare som är åtminstone lika bra som när alla attribut används, men ofta bättre. Metoden står sig också bra när den jämförs med andra metoder som till exempel RELIEFF och CFS.

During the past couple of years, genetic genealogy has been used as an instrument for law enforcement to identify and catch criminals of unsolved cases. The method has created an ethical discussion concerning individual integrity and the potential risks an implementation of a method like this could cause. The purpose of this essay is to examine this method from an ethical perspective and discuss aspects like personal integrity, legislation and in what way people who send in their DNA to genealogy companies can affect their genetic data. Five different DNA testing genealogy companies have been selected to study and discuss in this essay. By examining their terms of conditions and privacy policies, the study will investigate how these companies act regarding the potential use from law enforcement of their DNA-databases to solve crimes. Parts of the current ethical debate regarding the method will also be presented and discussed to show potential advantages and disadvantages using a method like this could lead to. The results from the study show that forensic genetic genealogy could have both its advantages and disadvantages. Using the method has shown to be successful in capturing perpetrators behind unsolved crimes but it has also led to innocent people getting involved into criminal investigations. There are multiple ethical aspects concerning the method and the results show that there is a lack of research about the method and these aspects. There is also a lack of legislation or other forms of regulations regarding the method. The conclusion that therefore has been made is that there needs to be more research made about the ethical aspects of the method and that there needs to be more regulations to avoid the disadvantages using the method potentially could bring.

Ett av skolans uppdrag är att bedriva en interkulturell undervisning som främjar ett mångkulturellt klassrum och samhälle. Trots detta finns omfattande forskning som tyder på att ämnesinnehåll och läromedel har en eurocentrisk utgångspunkt. Vårt syfte är att finna strategier för hur historielärare kan genomföra en identitetsskapande interkulturell undervisning utifrån styrning och tillgängliga läromedel. Genom studien finner vi användbara strategier för att bedriva en undervisning som matchar skolans interkulturella uppdrag. Kvalitativa intervjuer med fyra historielärare i två olika högstadieskolor, i två olika kommuner, användes för att se hur det interkulturella uppdraget kunde genomföras i praktiken. Intervjuerna analyserades med hjälp av Johanssons teorier om interkulturell historisk kompetens och Johanssons modell om interkulturell undervisning med teorier från Dunn, Nordgren, LaSpina och Banks. Resultaten har analyserats utifrån den orienterande kompetensen i historiemedvetandet, kopplat till en genetisk eller genealogisk utgångspunkt för undervisningen. Resultatet visar att lärarna har en vilja att bedriva en interkulturell historieundervisning och studien finner flera möjliga strategier som utifrån de teoretiska ramverken klassas som interkulturella. Studien finner även att lärarna upplever svårigheter för detta, kopplat till deras tillgängliga läromedel, tid och centrala styrningar.

Fluorescerande protein kan användas som reportrar i genetiska kretsar för att identifiera framgångsrikt modifierade celler. Med hjälp av syntetisk biologi kan genetiska kretsar, som är en sammansättning gener som kodar för protein, skapas. Genetiska kretsar möjliggör modifiering av celler och har haft stor framgång, vid immunterapi av cancer. Chimeric antigen receptor (CAR) T-celler är en genetisk krets där T-celler modifieras till att eliminera tumörceller baserat på en utvald ytmarkör. Med hjälp av fluorescerande proteiner kan olika komponenter i genetiska kretsar märkas in och därmed tydligt följas vid modifieringen av celler, ofta används Blue fluorescent protein (BFP) eller Green fluorescent protein (GFP). För att utveckla mer komplexa genetiska kretsar med flera komponenter krävs fler fluorescerande proteiner som kan kombineras med BFP och GFP, såsom sådana i det röda spektrumet. I denna studie undersöktes rödfluorescerade proteinerna E2Crimson, TagRFP657, mNeptune2.5, mKelly2, mKate2, mCardinal och Katushka2S. Med hjälp av klonade vektorer för respektive protein kan lentivirus produceras för att transducera Jurkat celler. Flödescytometri användes för att identifiera proteinernas fluorescensintensitet i det röda spektrumet, samt deras läckage i BFP och GFP spektrat. Proteinerna med högst fluorescensintensitet i det röda spektrumet samt minst läckage i BFP och GFP spektrat var E2Crimson samt mCardinal. E2Crimson har enligt tidigare studie låg toxicitet och god ljusstyrka samt hade i denna studie högst fluorescensintensitet i det röda spektrumet. E2Crimson anses därför vara optimal att kombinera med BFP och GFP i genetiska kretsar med flera komponenter. / Fluorescent protein can be used as reporters in genetic circuits to identify successfully modified cells. Using synthetic biology, genetic circuits, which are an assembly of genes that code for protein, can be created. Genetic circuits enable the modification of cells and have had great success in immunotherapy of cancer. Chimeric antigen receptor (CAR) T cells are a genetic circuit which modifies T cells to eliminate tumor cells based on a selected surface marker. With the help of the fluorescent protein, various components of genetic circuits can be marked and thus followed during the modification of cells, Blue fluorescent protein (BFP) or Green fluorescent protein (GFP) are often used as reporters. When developing complex genetic circuits with multiple components more fluorescent proteins that can combine with BFP and GFP are required, such as those in the red spectrum. In this study, the far-red fluorescent proteins E2Crimson, TagRFP657, mNeptune2.5, mKelly2, mKate2, mCardinal and Katushka2S were included. Using cloned vectors for each protein, lentiviruses can be produced to transduce Jurkat cells. Flow cytometry was used to identify the proteins fluorescence intensity in the red spectrum, as well as their leakage in the BFP and GFP spectra. The proteins with the highest fluorescence intensity in the red spectrum and the least leakage in the BFP and GFP spectra were E2Crimson and mCardinal. E2Crimson has according to other studies low toxicity and good brightness and in this study E2Crimson showed the highest fluorescence intensity in the red spectrum. E2Crimson is therefore considered optimal to combine with BFP and GFP in multicomponent genetic circuits.

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.

<p>I detta arbete undersöks hur bestraffningsmetoder för att bestraffa storleken på GP-program påverkar generaliseringsförmågan. Arbetet grundar sig på ett arbete som Cavaretta och Chellapilla gjort, där de undersöker skillnaden i generaliseringsförmåga mellan bestraffningsmetoden ”Complexity Penalty functions” och ingen bestraffningsmetod.</p><p>I detta arbete har nya experiment gjorts med ”Complexity Penalty functions” och ”Adaptive parsimony pressure”, som är en annan bestraffningsmetod. Dessa bestraffningsmetoder har undersökts i samma domän som Cavaretta och Chellapilla och ytterligare i en domän för att ge en bättre bild av hur de generaliserar.</p><p>I arbetet visar det sig att användningen av någon av bestraffningsmetoderna ”Complexity Penalty functions” och ”Adaptive parsimony pressure” oftast ger bättre generaliseringsförmåga hos GP-program. Detta motsäger det Cavaretta och Chellapilla kommer fram till i sitt arbete. ”Adaptive parsimony pressure” verkar också vara bättre på att generalisera än ”Complexity Penalty functions”.</p>