Detta arbete har testat att använda en genetisk algoritm, en teknik inom artificiell intelligens, där uppgiften har varit att automatiskt generera nivåer till pusselspelet Solve It. Precis som algoritmens inspirationskälla, djurvärldens evolution, har den evolverat fram lösningar som med tiden anpassat sig efter sin omgivning. Dessa genererade nivåer har sedan jämförts med manuellt designade dito. Resultaten har bestått av insamlad data från ett antal testpersoner, där deras uppfattning om utmaning och underhållning, samt deras tidsåtgång använts som mätverktyg. Arbetet har försökt ta reda på om genetiska algoritmer är ett lämpligt verktyg för att avlasta, komplettera eller till och med att ersätta en nivådesigner till det spel som testerna kretsar kring, Solve It.

<p>Detta arbete har testat att använda en genetisk algoritm, en teknik inom artificiell intelligens, där uppgiften har varit att automatiskt generera nivåer till pusselspelet Solve It. Precis som algoritmens inspirationskälla, djurvärldens evolution, har den evolverat fram lösningar som med tiden anpassat sig efter sin omgivning. Dessa genererade nivåer har sedan jämförts med manuellt designade dito. Resultaten har bestått av insamlad data från ett antal testpersoner, där deras uppfattning om utmaning och underhållning, samt deras tidsåtgång använts som mätverktyg. Arbetet har försökt ta reda på om genetiska algoritmer är ett lämpligt verktyg för att avlasta, komplettera eller till och med att ersätta en nivådesigner till det spel som testerna kretsar kring, Solve It.</p>

Animationer av karaktärer och objekt är en viktig del vid skapandet av spel. Detta är något som det läggs mycket fokus på att få så realistisk som möjligt, även spelfysik används till viss del här för att ge karaktärer möjlighet att anpassa sig till miljöer. Det här arbetet undersöker och implementerar ett styrsystem, som används för animations generering till en trasdocka, med hjälp av artificiell intelligens. Styrsystemet använder sig av en självorganiserande artificiell intelligens för att generera animationer som följer ett specifikt beteende, i det här arbetet har animationer som fokuserar på att skydda höften skapats. Arbetet har gett goda resultat som indikerar på att denna lösning fungerar för att generera animationer på en trasdocka, som ska följa ett visst beteende. Detta visade sig möjligt genom att använda artificiellt neuralt nätverk kombinerat med genetisk algoritm.

<p>Animationer av karaktärer och objekt är en viktig del vid skapandet av spel. Detta är något som det läggs mycket fokus på att få så realistisk som möjligt, även spelfysik används till viss del här för att ge karaktärer möjlighet att anpassa sig till miljöer. Det här arbetet undersöker och implementerar ett styrsystem, som används för animations generering till en trasdocka, med hjälp av artificiell intelligens. Styrsystemet använder sig av en självorganiserande artificiell intelligens för att generera animationer som följer ett specifikt beteende, i det här arbetet har animationer som fokuserar på att skydda höften skapats.</p><p>Arbetet har gett goda resultat som indikerar på att denna lösning fungerar för att generera animationer på en trasdocka, som ska följa ett visst beteende. Detta visade sig möjligt genom att använda artificiellt neuralt nätverk kombinerat med genetisk algoritm.</p>

Det här experimentet gick ut på att testa tre olika inlärningsstrategier emot varandra i en spelmiljö. De tre inlärningsstrategier som testades var en exempelbaserad strategi, en belöningsbaserad strategi och en strategi som kombinerade dessa två algoritmer. Kombinationen bestod av att först träna upp ett nätverk med den exempelbaserade strategin för att sedan använda det nätverket som en utgångspunkt för den belöningsbaserade strategin. Dessa strategier testades sedan i en spelmiljö. Resultatet som de olika strategierna producerade var svårtolkade. På grund av att alla inlärningsstrategierna inte förbättrade sig märkvärdigt under deras träningstid har det gjort att resultaten från att ändra på variablerna hos de olika strategierna inte visat på några märkvärda skillnader i resultat. Skillnader i resultat vid jämförelser av de olika strategierna har observerats men det går inte att säkerställa att det är inlärningsstrategierna som är anledningen till skillnad i resultat.

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.

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.

For workplaces with a preference or need for staffing around the clock, employees commonly work in shifts, which are work sessions that span different parts of the day. The scheduling of these shifts is a multi-objective optimization problem with both hard and soft constraints. The reduction in the available workforce when employees go on vacation makes the problem especially constrained. We describe a method that uses a genetic algorithm to generate shift schedules, for teams of employees and time periods with vacations. The method supports a staffing demand that can be met with one of multiple combinations of shifts. The genetic algorithm features specialized crossovers, together with a repair step aimed at maintaining staffing that fulfils the staffing requirements. A software implementation of the method is evaluated on three real-life problem instances. For two of them, it can produce schedules that are feasible, but subpar to those constructed manually by an experienced personnel scheduling professional. Several ideas to improve the program are presented.