Estetisk vägplanering : Förutsägbarhet i Genetiska Algoritmer och Theta* i dynamiska miljöer

• Main Author: Glimmerfors, Hans
• Format: Others
• Language: Swedish
• Published: Högskolan i Skövde, Institutionen för informationsteknologi 2018
• Subjects: genetic algorithms; Theta*; predictability; pathfinding; aesthetics; genetiska algoritmer; theta*; förutsägbarhet; vägplanering; estetik; Computer Sciences; Datavetenskap (datalogi)
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:his:diva-15441

Detta arbete jämför Theta* och en genetisk algoritm för att undersöka ifall en genetisk algoritm ger mer förutsägbara vägar i dynamiska miljöer än en deterministisk sökteknik. Den valda genetiska algoritmen är inte begränsad till vägval till närliggande noder, den nod som är näst i tur kan ligga var som helst i miljön. Theta* valdes för att matcha detta beteende och anses vara en bra representation av en deterministisk sökteknik då den är en vidareutveckling av standarden A*. Resultaten angående förutsägbarheten samlades in genom en enkätundersökning där fyra aspekter efterfrågades i jämförelser mellan Theta* och den genetiska algoritmen: vilken väg är mjukast, vilken väg är rakast, vilken väg är mest direkt, och vilken väg är kortast. Resultaten visade att den genetiska algoritmen presterat 0,6-2,0% bättre än Theta* och anses därför kunna ge mer förutsägbara vägar. Dock krävs mer forskning för att fastställa hur väsentliga de olika kriterierna är för förutsägbarheten. === This work compares Theta* and a genetic algorithm in order to investigate whether a genetic algorithm gives more predictable paths in dynamic environments than a deterministic search algorithm. The chosen genetic algorithm is not restricted to moving to nearby nodes - the next node may be located anywhere in the environment. Theta* was chosen to match this behaviour and is considered to be a good representation of a deterministic search technique as it is based upon the industry standard A*. Results related to the predictability were collected through a survey where four aspects were asked in comparisons between Theta* and the genetic algorithm: which path is smoother, which path is straighter, which path is more direct, and which path is shorter. The results showed that the genetic algorithm performed 0,6-2,0% better than Theta* and is thereby considered to be able to give more predictable paths. There is however a need for further studies in order to establish how important the criteria are for the predictability.