Artificiella ekosystem är en tillämpning av artificiell intelligens som har funnits länge. Användningsområden för artificiella ekosystem innefattar främst biologiska simulationer men även andra typer av simulationer förekommer. Genom att simulera individuella djur blir den artificiella intelligensens uppgift att styra djurens beslut utifrån dess individuella förutsättningar och kamp för överlevnad. Detta arbete behandlar frågeställningen vilken beslutsalgoritm som är bäst lämpad att för att använda till ett artificiellt ekosystem i ett spel. Två beslutsalgoritmer jämförs, en dynamisk som bygger på maskin inlärning och en statisk som inte är kapabel att lära eller minnas. Den dynamiska heter Behavior Network och den statiska heter Decision Tree. En applikation byggs för att jämföra hur väl de bägge algoritmerna löser problemet att styra ett artificiellt ekosystem i ett spel. Algoritmerna jämförs efter tre kriterier, svårighet att anpassa till uppgiften, hur mycket beräkningskraft som krävs från datorn att driva algoritmen och hur väl individerna överlever när de styrs av algoritmen. Detta verk visar att Decision Tree är den mer lämpade algoritmen enligt samtliga tre kriterier. Behavior Network visar lovande kvalitéer men inga av resultaten inom ramarna för detta arbete stödjer att använda algoritmen till detta tillämpningsområde.