<p>Boids handlar om att simulera flockar genom självständiga individer. Styrningen utgår från tre grundregler, undvika kollision, centrera flocken samt matcha hastighet. För att framhäva vissa beteenden kan reglerna viktas. Dessa vikter kan sättas manuellt, men de kan också optimeras, exempelvis med genetiska algoritmer. Detta examensarbete utgår från Chen, Kobayashi, Huang och Nakao (2006) arbete om optimering av boids med hjälp av en genetisk algoritm. Beteende hos flockar med manuellt satta vikter och optimerade med en genetisk algoritm jämförs. Jämförelsen sker genom mätningar enligt kriterier som reflekterar hur realistiskt flocken beter sig. Försöken påvisade två olika beteenden, ett där flocken centreras och ett där kollision och leta mat får prioritering.</p>

<p>Då dataspel blir mer grafiskt tilltalande för var år som går innebär detta också att mer utrymme behövs för att få plats med alla bildtexturer. Detta leder till att spel som annars skulle kunnat läggas ut på exempelvis XBOX Live Marketplace är för stora för att få plats där. Genom att byta ut vanliga bildtexturer mot procedurella texturer skulle detta problem kunna undvikas då de senare tar mindre plats än de förstnämnda.</p><p>Denna uppsats tar upp och redovisar en metod för att återskapa bildtexturer som procedurella texturer, där en genetisk algoritm används för att evolvera fram procedurella texturer med visuella likheter med referenstexturen.</p>

Då dataspel blir mer grafiskt tilltalande för var år som går innebär detta också att mer utrymme behövs för att få plats med alla bildtexturer. Detta leder till att spel som annars skulle kunnat läggas ut på exempelvis XBOX Live Marketplace är för stora för att få plats där. Genom att byta ut vanliga bildtexturer mot procedurella texturer skulle detta problem kunna undvikas då de senare tar mindre plats än de förstnämnda. Denna uppsats tar upp och redovisar en metod för att återskapa bildtexturer som procedurella texturer, där en genetisk algoritm används för att evolvera fram procedurella texturer med visuella likheter med referenstexturen.

Boids handlar om att simulera flockar genom självständiga individer. Styrningen utgår från tre grundregler, undvika kollision, centrera flocken samt matcha hastighet. För att framhäva vissa beteenden kan reglerna viktas. Dessa vikter kan sättas manuellt, men de kan också optimeras, exempelvis med genetiska algoritmer. Detta examensarbete utgår från Chen, Kobayashi, Huang och Nakao (2006) arbete om optimering av boids med hjälp av en genetisk algoritm. Beteende hos flockar med manuellt satta vikter och optimerade med en genetisk algoritm jämförs. Jämförelsen sker genom mätningar enligt kriterier som reflekterar hur realistiskt flocken beter sig. Försöken påvisade två olika beteenden, ett där flocken centreras och ett där kollision och leta mat får prioritering.

Artificiella neurala nätverk (ANN) kan vara en bra teknik för att skapa intressanta datorstyrda motståndare i spel och då spel är en väldigt prestandakritisk typ av applikation så är det viktigt att optimera alla delar av ett spel. Detta arbete tittar närmare på huruvida det går att ta bort nätverkskopplingar hos ett ANN i optimeringssyfte och fortfarande behålla ett ANN:s förmåga att utföra sin uppgift. Under experimenten används två olika metoder för att avgöra vilken vikt som ska tas bort. ANN:ets förmåga graderas efter hur högt fitnessvärde det får i den genetiska algoritm som från början lärt upp den. Vidare analyseras sambandet mellan antalet borttagna vikter och ANN:ets fitnessvärde. Resultatet visar tyder på att en viss reduktion av vikter kan öka ANN:ets förmåga att utföra sin uppgift. Efter att antalet borttagna vikter ökar, minskar ANN:ets förmåga att prestera. Experimenten tyder dock på att minskningen ofta inte är dramatisk, utan ANN:et i experimenten ofta kan utföra delar av sin uppgift även med stora delar av nätverkets vikter borttagna.

Det här arbetet undersöker hur konkurrenskraftiga byggordningar det går att generera genom att använda sig av en genetisk algoritm baserad på samevolution. För att realisera detta togs det fram en experimentmiljö genom att modifiera en utgåva av en open source spelmotor. För att kunna utvärdera hur konkurrenskraftiga byggordningarna som togs fram var; spelades ett antal matcher mot tre stycken vedertagna byggordningar. Resultatet visade på att byggordningarna som togs fram inte kunde anses hålla måttet för konkurrenskraftighet då de till stor del blev besegrade av de vedertagna byggordningarna. På grund av tekniska begränsningar var algoritmen som genererade byggordningarna tvungen att ha låga parametervärden på populationsstorleken och maximalt antal generationer. Detta påverkade sannolikt byggordningarnas konkurrenskraftighet. För framtida arbete kan en undersökning där spelmotorn är mer optimerad och klarar av att köra en samevolutionsalgoritm med högre parametervärden vara intressant. Tekniker som case-injection skulle också kunna undersökas. / <p>Det finns övrigt digitalt material (t.ex. film-, bild- eller ljudfiler) eller modeller/artefakter tillhörande examensarbetet som ska skickas till arkivet.</p><p>There are other digital material (eg film, image or audio files) or models/artifacts that belongs to the thesis and need to be archived.</p>

No description available.

I denna studie presenteras en genetisk algoritm som genererar fun banor till ett bilspel. Detta görs genom att utforma fitnessfunktionen efter redan identifierade designmönster om vad det är som gör en bilbana fun. Dessa bygger på Csikszentmihalyi teorier om flow som säger att för att en uppgift ska anses uppfyllande måste den vara utmanande. Utöver designmönstren bygger fitnessfunktionen även på rhythm groups för att en bana ska variera i utmaning. Genom speltest jämförs de genererade banorna med banor som är skapta av en leveldesigner för att framställa hur fun de genererade banorna är. / Program: Systemarkitekturutbildningen

<p> </p><p><strong> </strong></p><p><strong> </strong></p><p>Befintliga studier har påvisat att genetiska algoritmer presterar bättre om de ges en bra startpopulation. I denna rapport presenteras en lokal sökalgoritm för att skapa en population med fokus på ”vehicle routing”-problem. Algoritmen använder sig av heuristik i en blandning av simulated annealing och tabu search för att skapa individerna till populationen. Utvärderingar av algoritmen på ett praktiskt problem visar att den ger en bra start jämfört med en slumpmässig startpopulation, vilket är vanligt att använda. Resultaten av utvärderingen visar också att algoritmen ger bäst resultat vid mer komplexa problem, medan den har mindre effekt om problemet är enklare.</p><p> </p><p><strong>Nyckelord: </strong>Simulated annealing, Tabu search, Genetiska algoritmer , ”vehicle routing”-problem.</p><p> </p>

<p>I dagens utveckling av robotkontrollers så finner vi olika synsätt på hur vi ska angripa problemen som en robot ställs inför. Det här arbetet koncentrerar sig på artificiella neurala nät (ANN) och evolution med genetiska algoritmer och en fokusering sker på en speciell arkitektur av ANN som Stefano Nolfi presenterat.</p><p>Rapporten kan ses som en fortsättning på Nolfis arbete och behandlar extensioner av fenomenet "spontan modularitet" som Nolfi beskriver. Det testproblem som används består i att utveckla ett kontrollsystem för en skräpsamlande robot. Detta arbete baseras på experiment runt detta problem med arkitekturer, vilka baseras på Nolfis spontana modularitet. Vi testar hur arkitekturerna påverkas av interna och återkopplade noder.</p><p>Resultaten visar på att en spontan modularitet inte tycks påverkas positivt av återkopplade eller interna noder.</p>