1468 lines
67 KiB
Typst
1468 lines
67 KiB
Typst
#set page(
|
||
paper: "a4",
|
||
margin: (y: 30mm, inside: 35mm, outside: 25mm),
|
||
)
|
||
|
||
#set par(justify: false)
|
||
#set text(size: 12pt, font: "Calibri", hyphenate: false)
|
||
|
||
#show heading: set text(size: 12pt, weight: "regular")
|
||
#show heading.where(level: 1): set text(size: 18pt, weight: "bold")
|
||
#show heading.where(level: 2): set text(size: 16pt)
|
||
#show heading.where(level: 3): set text(size: 14pt)
|
||
|
||
#set math.equation(numbering: "(1)")
|
||
|
||
|
||
#let leading = 1.5em // Your line spacing (1, 1.5, 2, etc.)
|
||
#let leading = leading - 0.75em // "Normalization"
|
||
#set par(leading: leading)
|
||
|
||
#show figure.where(kind: raw): set figure(kind: image, supplement: [Slika])
|
||
#show figure.where(kind: image): set figure(supplement: [Slika])
|
||
#show figure.where(kind: table): set figure(supplement: [Tabela])
|
||
#set heading(numbering: "1.1", supplement: [Poglavje])
|
||
|
||
#set math.equation(numbering: (n, ..) => {
|
||
numbering("(1.1)", counter(heading).get().first(), n)
|
||
})
|
||
|
||
#set figure(numbering: (n, ..) => {
|
||
numbering("1.1", counter(heading).get().first(), n)
|
||
})
|
||
|
||
#show figure.caption: it => {
|
||
let pattern = "^[^:]+" + sym.space.nobreak + "[\d.]+"
|
||
it
|
||
}
|
||
|
||
#show heading.where(level: 1): it => {
|
||
counter(math.equation).update(0)
|
||
counter(figure.where(kind: image)).update(0)
|
||
counter(figure.where(kind: table)).update(0)
|
||
counter(figure.where(kind: raw)).update(0)
|
||
it
|
||
}
|
||
|
||
#set math.equation(supplement: "Enačba")
|
||
|
||
#let avthor = "Nikola Petrov"
|
||
#let mentor = "red. prof. dr. Alešu Holobarju"
|
||
#let naslov = upper("Uporabniško vodena evolucija fraktalnih dreves")
|
||
#let naslov_en = upper("User-guided evolution of fractal trees")
|
||
|
||
#set document(
|
||
title: [#naslov],
|
||
author: avthor,
|
||
)
|
||
|
||
#align(center + top)[
|
||
#image("assets/UM_FERI.png", width: 30%)
|
||
]
|
||
|
||
#align(center + horizon)[
|
||
#set text(size: 14pt)
|
||
#avthor
|
||
#show title: set text(size: 26pt)
|
||
#title()
|
||
Diplomsko delo
|
||
]
|
||
|
||
#align(center + bottom)[
|
||
Maribor, oktober 2025
|
||
]
|
||
#pagebreak()
|
||
|
||
#align(center + top)[
|
||
#image("assets/UM_FERI.png", width: 30%)
|
||
]
|
||
|
||
#align(center + horizon)[
|
||
#set text(size: 14pt)
|
||
#avthor
|
||
#show title: set text(size: 26pt)
|
||
#title()
|
||
Diplomsko delo
|
||
]
|
||
|
||
#align(center + bottom)[
|
||
Maribor, oktober 2025
|
||
]
|
||
#pagebreak()
|
||
|
||
#counter(page).update(1)
|
||
#set page(numbering: "i")
|
||
|
||
#align(center + horizon)[
|
||
#title()
|
||
Diplomsko delo
|
||
]
|
||
|
||
#align(bottom)[
|
||
#grid(
|
||
columns: 2,
|
||
gutter: 10pt,
|
||
|
||
[Študent], [#avthor],
|
||
[Študijski program], [visokošolski študijski program \ računalništvo in informacijske tehnologije],
|
||
[Mentor], [#mentor],
|
||
)
|
||
]
|
||
|
||
#pagebreak()
|
||
|
||
|
||
|
||
#align(horizon)[
|
||
#set par(justify: false)
|
||
#set text(hyphenate: false, size: 14pt)
|
||
#grid(
|
||
columns: (1fr, 1fr),
|
||
[],
|
||
[
|
||
*Zahvala*
|
||
|
||
Na tem mestu bi se rad iskreno
|
||
zahvalil vsem, ki so prispevali
|
||
k uspešnemu zaključku te diplomske
|
||
naloge.
|
||
|
||
Zahvaljujem se svojemu
|
||
mentorju #mentor,
|
||
za njegovo pomoč in nasvete skozi
|
||
celoten proces pisanja.
|
||
|
||
Posebna zahvala gre moji družini ter
|
||
starim in novim prijateljem, ki
|
||
so me ves čas podpirali
|
||
in spodbujali skozi celoten študij.
|
||
Brez vas ne bi dosegel tega, kar sem.
|
||
],
|
||
)
|
||
]
|
||
|
||
#pagebreak()
|
||
|
||
|
||
#naslov
|
||
|
||
*Ključne besede:*
|
||
|
||
*UDK:*
|
||
|
||
*Povzetek*
|
||
|
||
#pagebreak()
|
||
|
||
|
||
#naslov_en
|
||
|
||
*Keywords:*
|
||
|
||
*UDC:*
|
||
|
||
*Abstract*
|
||
|
||
#pagebreak()
|
||
|
||
IZJAVA O AVTORSTVU ZAKLJUČNEGA DELA
|
||
|
||
#pagebreak()
|
||
|
||
#outline(
|
||
title: "KAZALO VSEBINE",
|
||
depth: 3,
|
||
)
|
||
|
||
#pagebreak()
|
||
|
||
#outline(
|
||
title: "KAZALO SLIK",
|
||
target: figure.where(kind: image),
|
||
)
|
||
|
||
#pagebreak()
|
||
|
||
#outline(
|
||
title: "KAZALO TABEL",
|
||
target: figure.where(kind: table),
|
||
)
|
||
|
||
#pagebreak()
|
||
|
||
#counter(page).update(1)
|
||
#set page(numbering: "1")
|
||
|
||
|
||
= UVOD
|
||
V današnjem digitalnem svetu sta interaktivnost in prilagodljivost ključnega pomena za ustvarjanje uporabniških izkušenj, ki so tako zabavne kot tudi funkcionalne. Fraktalna drevesa kot matematična in umetniška oblika ponujajo neskončno raznolikost struktur, ki jih je mogoče uporabiti v raznovrstnih aplikacijah, od vizualnih umetnosti do simulacij naravnih procesov. V tem kontekstu se pojavi vprašanje: *kako lahko uporabniki aktivno vplivajo na razvoj in oblikovanje teh struktur?*
|
||
|
||
Ta diploma se osredotoča na razvoj aplikacije *Treender*, ki uporabnikom omogoča interaktivno vodenje evolucije fraktalnih dreves. S pomočjo algoritmov za genetsko evolucijo in uporabniških ocen aplikacija ustvarja in prilagaja fraktalna drevesa, ki odražajo individualne okuse in preference uporabnikov.
|
||
|
||
Cilj projekta je raziskati, kako lahko z algoritmi za evolucijo in uporabniško povratno informacijo ustvarimo dinamične in osebne izkušnje.
|
||
|
||
V nadaljevanju bomo predstavili osnovne koncepte za generiranje in evolucijo fraktalnih dreves, opisali strukturo aplikacije in podrobno razložili uporabljene algoritme. Prav tako bomo raziskali uporabniški vmesnik in proces objave aplikacije na Google Play Store. Na koncu bomo ocenili uporabniško izkušnjo in učinkovitost algoritmov, ki jih uporabljamo.
|
||
#pagebreak()
|
||
|
||
= OPIS APLIKACIJE
|
||
Treender je aplikacija, ki nam omogoča, da izbiramo in ocenjujemo fraktalna drevesa, ki se na podlagi naših ocen razvijajo in prilagajajo našim okusom. V desnem zgornjem kotu nam prikaže všečnost, na dnu nam pa prikaže generacijo evolucije in kateri vzorec se prikazuje (@aplikacija-slika-def). Če povlečemo po zaslonu levo se nam v zgornjem levem kotu prikaže napis "DISLIKE" (@aplikacija-slika-dislike), v desno pa se nam prikaže napis "LIKE" (@aplikacija-slika-like).
|
||
|
||
#grid(
|
||
columns: 3,
|
||
gutter: 10pt,
|
||
[
|
||
#figure(
|
||
image("assets/rand/capture_show_noraml.jpg"),
|
||
caption: [Primer aplikacije],
|
||
)<aplikacija-slika-def>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/rand/capture_show_liked.jpg"),
|
||
caption: [Primer aplikacije like],
|
||
)<aplikacija-slika-like>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/rand/capture_show_dislike.jpg"),
|
||
caption: [Primer aplikacije dislike],
|
||
)<aplikacija-slika-dislike>
|
||
],
|
||
)
|
||
|
||
Ko vzorec ocenimo, si aplikacija zapomni, in ko ocenimo vse vzorce, se nam prikaže črna slika z napisom "new generation". V tem trenutku se glede na ocenitve ustvari nova generacija in izračuna všečnost.
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= UPORABLJENE TEHNOLOGIJE
|
||
V tem poglavju na kratko predstavimo tehnologije, ki smo jih uporabili, in razloge za njihovo izbiro.
|
||
|
||
== C++
|
||
C++ je visokonivojni programski jezik, ki je nastal kot razširitev jezika C. Razvil ga je Bjarne Stroustrup v zgodnjih 1980. letih z namenom, da združi moč in učinkovitost jezika C z objektno usmerjenimi koncepti, ki podpirajo boljšo organizacijo in ponovno uporabo kode @wiki_cpp.
|
||
|
||
=== Glavne značilnosti C++:
|
||
|
||
1. *Objektno usmerjeno programiranje (OOP)*: C++ podpira objektno usmerjeno programiranje, kar omogoča uporabo razredov in objektov za modeliranje realnih svetovnih problemov. To olajša organizacijo kode in omogoča ponovno uporabo kode.
|
||
|
||
2. *Učinkovitost*: C++ je znan po svoji visoki učinkovitosti in hitrosti izvajanja, kar ga naredi primernega za razvoj aplikacij, ki zahtevajo visoko zmogljivost, kot so igre, sistemsko programiranje in razvoj vgrajenih sistemov.
|
||
|
||
3. *Nizkonivojni dostop*: C++ omogoča dostop do spomina in drugih sistemskih virov na nizki ravni, kar omogoča večjo kontrolo nad strojno opremo. To je posebno koristno v sistemskem programiranju in razvoju vgrajenih sistemov.
|
||
|
||
4. *Standardna knjižnica (STL)*: C++ vsebuje bogato standardno knjižnico, ki vključuje različne strukture podatkov (npr. vektorji, seznami, množice) in algoritme, ki olajšajo razvoj.
|
||
|
||
5. *Preprostost in moč*: C++ združuje preprostost jezika C z dodatnimi zmožnostmi, kot so razredi, dedovanje, polimorfizem in preobremenjevanje operatorjev, kar omogoča večjo fleksibilnost in moč pri programiranju.
|
||
|
||
=== Uporaba C++:
|
||
|
||
- *Razvoj iger*: Zaradi svoje visoke učinkovitosti in možnosti za nizkonivojni dostop je \ C++ priljubljen jezik za razvoj iger.
|
||
- *Sistemsko programiranje*: Uporablja se za razvoj operacijskih sistemov, gonilnikov in drugih sistemskih programov.
|
||
- *Vgrajeni sistemi*: Zaradi svoje učinkovitosti in možnosti za nizkonivojni dostop je C++ priljubljen za razvoj vgrajenih sistemov.
|
||
- *Računalniška grafika*: Uporablja se za razvoj grafičnih aplikacij in orodij za obdelavo slik.
|
||
- *Znanstvene in inženirske aplikacije*: Zaradi svoje zmogljivosti in učinkovitosti se uporablja za razvoj znanstvenih in inženirskih aplikacij, ki zahtevajo visoko zmogljivost.
|
||
|
||
#pagebreak()
|
||
|
||
== RAYLIB
|
||
Raylib je odprtokodna knjižnica, namenjena predvsem razvoju iger in multimedijskih aplikacij. Zasnovana je tako, da je enostavna za uporabo in omogoča hitro ustvarjanje 2D in 3D grafike, zvoka, vhodnih naprav in drugih multimedijskih vsebin @web_raylib @web_raylib_cheatsheet.
|
||
|
||
=== Glavne značilnosti Raylib:
|
||
|
||
1. *Enostavnost uporabe*: Raylib je zasnovan tako, da je enostaven za uporabo, z minimalnim številom funkcij, ki so potrebne za osnovno delovanje igre. To omogoča hitrejši razvoj in lažje učenje.
|
||
|
||
2. *Podpora za 2D in 3D grafiko*: Raylib podpira tako 2D kot 3D grafiko, kar omogoča razvoj različnih vrst iger in aplikacij.
|
||
|
||
3. *Vhodne naprave*: Podpira različne vhodne naprave, kot so tipkovnica, miška, igralni nadzorniki in zaslon na dotik.
|
||
|
||
4. *Zvok*: Vključuje osnovno podporo za predvajanje zvoka in glasbe, kar je pomembno za razvoj iger.
|
||
|
||
5. *Preprostost vključevanja*: Raylib je zasnovan kot enostavna knjižnica, ki se lahko vključi v projekt z minimalnimi nastavitvami.
|
||
|
||
6. *Odprtokodnost*: Ker je Raylib odprtokoden, ga lahko razvijalci prilagajajo svojim potrebam in prispevajo k njegovemu razvoju.
|
||
|
||
=== Uporaba Raylib:
|
||
|
||
- *Razvoj iger*: Raylib je priljubljen med razvijalci iger, saj omogoča hitro ustvarjanje prototipov in enostavno upravljanje z grafiko, zvokom in vhodnimi napravami.
|
||
- *Izobraževanje*: Zaradi svoje enostavnosti in odprtokodnosti je Raylib pogosto uporabljen v izobraževalnih nameneh za učenje osnov razvoja iger.
|
||
- *Multimedijske aplikacije*: Uporablja se za razvoj različnih multimedijskih aplikacij, ki zahtevajo upravljanje z grafiko in zvokom.
|
||
|
||
Raylib je zaradi svoje preprostosti in zmogljivosti priljubljen izbir za razvijalce, ki želijo hitro ustvariti igre ali multimedijske aplikacije brez potrebe po kompleksnih orodjih in knjižnicah.
|
||
#pagebreak()
|
||
|
||
== ImGui
|
||
Dear ImGui (ali preprosto ImGui) je odprtokodna knjižnica, ki omogoča hitro in enostavno ustvarjanje uporabniških vmesnikov za aplikacije v realnem času. Zasnovana je za razvijalce, ki potrebujejo preprost in učinkovit način za dodajanje uporabniških vmesnikov v svoje aplikacije, predvsem v igrah, orodjih in drugih interaktivnih programih @git_imgui @git_rlImgui.
|
||
|
||
=== Glavne značilnosti ImGui:
|
||
|
||
1. *Enostavnost uporabe*: ImGui je zasnovan tako, da je enostaven za uporabo in integracijo v obstoječe projekte. Njegova preprosta arhitektura omogoča hitro ustvarjanje in spreminjanje uporabniških vmesnikov.
|
||
|
||
2. *Učinkovitost*: Zasnovana je za visoko učinkovitost, kar je posebno pomembno za aplikacije v realnem času, kot so igre in simulacije.
|
||
|
||
3. *Immediate Mode GUI*: ImGui uporablja koncept "immediate mode" GUI, kar pomeni, da se uporabniški vmesnik ustvari in posodobi vsak frame. To omogoča veliko fleksibilnost in enostavnost pri spreminjanju vmesnika v realnem času.
|
||
|
||
4. *Podpora za različne platforme*: ImGui je prenosljiv in podpira več platform in grafičnih API-jev, kot so OpenGL, DirectX, Vulkan in Metal.
|
||
|
||
5. *Odprtokodnost*: Ker je ImGui odprtokoden, ga lahko razvijalci prilagajajo svojim potrebam in prispevajo k njegovemu razvoju.
|
||
|
||
=== Uporaba ImGui:
|
||
|
||
- *Razvoj iger*: Uporablja se za ustvarjanje orodij za razvoj iger, kot so urejevalniki nivojev, debuggerji in druga orodja, ki zahtevajo interaktivni uporabniški vmesnik.
|
||
- *Interaktivna orodja*: Uporablja se za razvoj različnih interaktivnih orodij, kot so simulacije, vizualizacije podatkov in druge aplikacije, ki zahtevajo uporabniški vmesnik.
|
||
- *Prototipiranje*: Zaradi svoje enostavnosti in hitrosti je ImGui priljubljen za prototipiranje uporabniških vmesnikov.
|
||
|
||
ImGui je zaradi svoje preprostosti, učinkovitosti in fleksibilnosti priljubljena izbira za razvijalce, ki potrebujejo hitro in enostavno rešitev za ustvarjanje uporabniških vmesnikov v svojih aplikacijah
|
||
#pagebreak()
|
||
|
||
== CMAKE
|
||
*CMake* je orodje za avtomatizacijo gradnje (build automation tool), ki je zasnovano za upravljanje procesa prevajanja, sestavljanja in paketiranja programske kode zlasti v večplatformskih okoljih. Razvil ga je Kitware leta 2000, da bi olajšal proces gradnje programov, ki so napisani v različnih programskih jezikih, kot so C, C++, Fortran in drugi @web_cmake @wiki_cmake.
|
||
|
||
=== Glavne značilnosti CMake:
|
||
|
||
1. *Večplatformska podpora:* CMake omogoča generiranje gradbenih datotek (npr. Makefile za Unix/Linux, projektne datoteke za Visual Studio na Windowsu, Xcode na macOS) za različne operacijske sisteme in razvojna okolja. To pomeni, da lahko isto izvorno kodo prevajamo in sestavljamo na različnih platformah brez spreminjanja gradbenih skript.
|
||
|
||
2. *Konfiguracijske datoteke (CMakeLists.txt):* CMake uporablja tekstovne datoteke z imenom `CMakeLists.txt`, ki vsebujejo navodila za konfiguracijo projekta. Te datoteke opisujejo, kako naj se projekt sestavi: kateri viri (source files) so vključeni, katere knjižnice so potrebne in kakšne so odvisnosti med posameznimi komponentami.
|
||
|
||
3. *Upravljanje odvisnosti:* CMake omogoča enostavno upravljanje odvisnosti med knjižnicami in programi. Podpira iskanje in povezovanje z zunanjimi knjižnicami (npr. OpenCV, Boost) in omogoča definicijo lastnih ciljev (targets), kot so izvršljivi programi ali knjižnice.
|
||
|
||
4. *Podpora za različne prevajalnike:* CMake deluje z različnimi prevajalniki (npr. GCC, Clang, MSVC) in omogoča uporabo specifičnih nastavitev za vsakega od njih.
|
||
|
||
5. *Modularnost in ponovna uporaba kode:* CMake podpira modularno strukturo projektov, kar olajša ponovno uporabo kode in deljenje knjižnic med različnimi projekti.
|
||
|
||
=== Kako CMake deluje?
|
||
|
||
1. *Konfiguracija:* CMake prebere datoteke `CMakeLists.txt` in generira gradbene datoteke za izbrani sistem (npr. Makefile ali Visual Studio projekt).
|
||
2. *Gradnja:* Uporabnik nato uporabi ustrezno gradbeno orodje (npr. `make`, Visual Studio) za prevajanje in sestavljanje projekta.
|
||
3. *Namestitev (opcijsko):* CMake lahko generira tudi namestitvene skripte za namestitev programa ali knjižnice v sistem.
|
||
|
||
=== Tipična uporaba CMake:
|
||
|
||
- *Razvoj programske opreme v C/C++:* CMake je standardno orodje za gradnjo projektov v C in C++ zlasti v večjih ali kompleksnih projektih.
|
||
- *Večplatformski projekti:* Če razvijamo programsko opremo, ki mora delovati na več platformah (Windows, Linux, macOS), je CMake idealno orodje za upravljanje gradnje.
|
||
- *Integracija z drugimi orodji:* CMake se lahko integrira z orodji za testiranje (npr. CTest), paketiranje (npr. CPack) in dokumentacijo.
|
||
|
||
|
||
|
||
=== Primer preproste datoteke `CMakeLists.txt`:
|
||
|
||
```Cmake
|
||
cmake_minimum_required(VERSION 3.10)
|
||
project(MojProjekt)
|
||
|
||
add_executable(moj_program main.cpp)
|
||
```
|
||
Ta datoteka določa, da je minimalna potrebna različica CMake 3.10, da je ime projekta "MojProjekt" in da naj se iz datoteke `main.cpp` generira izvršljivi program z imenom `moj_program`.
|
||
|
||
CMake je močno orodje, ki olajša in avtomatizira proces gradnje programske opreme zlasti v večplatformskih okoljih. Njegova glavna prednost je fleksibilnost in možnost generiranja gradbenih datotek za različne sisteme, kar ga naredi nezaobhodljivega pri razvoju v C in C++.
|
||
#pagebreak()
|
||
|
||
== SQLITE3
|
||
*SQLite* je lahka, samostoječa in vdelana relacijska baza podatkov, ki deluje neposredno v programu, brez potrebe po ločenem strežniku. Razvil jo je D. Richard Hipp leta 2000 z namenom, da ponudi preprosto, hitro in zanesljivo rešitev za upravljanje podatkov, ki ne zahteva nastavljanja ali upravljanja strežnika. SQLite je napisana v jeziku C in je na voljo kot knjižnica, kar pomeni, da se lahko integrira neposredno v aplikacije @web_sqlite @wiki_sqlite.
|
||
|
||
=== Glavne značilnosti SQLite:
|
||
|
||
1. *Samostoječa in vdelana:* SQLite deluje kot del programa in ne zahteva ločenega procesa ali strežnika. To pomeni, da aplikacija komunicira neposredno s podatkovno bazo, kar zmanjša kompleksnost in poveča hitrost delovanja.
|
||
|
||
2. *Enostavnost in prenosljivost:* Celotna baza podatkov je shranjena v eni datoteki, kar olajša prenos in upravljanje. Datoteko lahko preprosto kopiramo med različnimi sistemi, ne da bi potrebovali dodatne konfiguracije.
|
||
|
||
3. *Nizke zahteve:* SQLite ne potrebuje nastavljanja ali upravljanja, kar jo naredi idealno za uporabo v mobilnih napravah, vgrajenih sistemih in manjših aplikacijah, kjer so viri omejeni.
|
||
|
||
4. *Podpora za SQL:* SQLite podpira večino standardnih SQL ukazov (npr. `SELECT`, `INSERT`, `UPDATE`, `DELETE`), kar omogoča enostavno upravljanje podatkov z uporabo poznanega jezika.
|
||
|
||
5. *Zanesljivost in varnost:* SQLite zagotavlja transakcijsko varnost (ACID), kar pomeni, da so podatki vedno dosledni, tudi v primeru napak ali prekinitve dela.
|
||
|
||
6. *Odprtokodna in brezplačna:* SQLite je odprtokodna in brezplačna, kar pomeni, da jo lahko prostovoljno uporabljamo v komercialnih in nekomercialnih projektih.
|
||
|
||
=== Uporaba SQLite:
|
||
|
||
- *Mobilne aplikacije:* SQLite je priljubljena izbira za shranjevanje podatkov v mobilnih aplikacijah (npr. Android, iOS), saj ne potrebuje strežnika in deluje lokalno na napravi.
|
||
|
||
- *Vgrajeni sistemi:* Zaradi svoje preprostosti in nizkih zahtev je SQLite pogosto uporabljena v vgrajenih sistemih, kot so pametne ure, senzorji in druge naprave z omejenimi viri.
|
||
|
||
- *Spletne aplikacije:* Uporablja se za lokalno shranjevanje podatkov v brskalnikih (npr. Web SQL API) ali kot preprosta rešitev za manjšo spletno stran.
|
||
|
||
- *Testiranje in razvoj:* SQLite je pogosto uporabljena med razvojem in testiranjem, saj omogoča hitro in enostavno ustvarjanje in upravljanje podatkovnih baz.
|
||
|
||
- *Aplikacije za namizje:* Številne namizne aplikacije uporabljajo SQLite za lokalno shranjevanje podatkov, saj ne zahteva dodatne infrastrukture.
|
||
|
||
SQLite je torej idealna rešitev, če potrebujemo preprosto, hitro in zanesljivo podatkovno bazo, ki deluje neposredno v naši aplikaciji. Je ena najpogosteje uporabljanih podatkovnih baz na svetu predvsem zaradi svoje preprostosti in učinkovitosti.
|
||
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= STRUKTURA APLIKACIJE
|
||
Aplikacija ima tri glavne enote: DNA menedžer, DNA vizualizator in jedro. DNA menedžer hrani generacijo genomov, skrbi za vrstni red njihovega prikaza in za tvorjenje nove generacije, DNA vizualizator iz genoma izriše sliko, v jedru pa so preostale komponente, med njimi omrežni vmesnik in vmesnik za shranjevanje.
|
||
|
||
Jedro je hrbtenica, ki povezuje vse komponente. Ob zagonu preračuna razmerja za prikaz besedila in slik dreves, med uporabo pa skrbi za premik in rotacijo slike, ko uporabnik s prstom povleče po zaslonu. Ko poteg doseže rob zaslona, jedro oceno posreduje DNA menedžerju in od njega dobi naslednji genom za prikaz, ga preda vizualizatorju in vrnjeno sliko prikaže uporabniku. Vsaka ocena se sproti shrani na disk, ob koncu generacije pa se shrani celotna generacija in se pošlje na strežnik.
|
||
|
||
#figure(
|
||
image("assets/potek_diagram/diagram.svg", height: 400pt),
|
||
caption: [Diagram poteka podatkov],
|
||
)
|
||
|
||
#pagebreak()
|
||
|
||
== UPORABNIŠKI VMESNIK ‒ ROTACIJA SLIKE
|
||
Proces rotiranja slike glede na premik miške je sestavljen iz treh korakov
|
||
in uporabe trigometrije.
|
||
|
||
=== Prvi korak: Ob pritisku miške
|
||
V prvem koraku moramo izračunati velikost (magnitudo) in kot vektorja med miško in levim spodnjim kotom slike (Cyan vektor @Prikaz_vektorjev) in shraniti si moramo trenutno pozicijo miške (Oranžni vektor/Zelena pika @Prikaz_vektorjev).
|
||
|
||
$
|
||
"mouseStartV" = "mouseV"\
|
||
"sizeOfVectorMI" = sqrt(("mouseV"_x - "imageV"_x)^2 + ("mouseV"_y - "imageV"_y)^2)\
|
||
"oldAngleOfVectorMI" = "atan2"("imageV"_x - "mouseV"_x, "imageV"_y - "mouseV"_y)
|
||
$
|
||
- $"mouseV"$ ‒ trenutni vektor miške
|
||
- $"imageV"$ ‒ vektor pozicije slike (Modri vektor @Prikaz_vektorjev)
|
||
- $"vectorMI"$ ‒ vectorMouseImage ‒ vector med miško in sliko
|
||
- $"sizeOfVectorMI"$ ‒ velikost vektorjaMI
|
||
- $"oldAngleOfVectorMI"$ ‒ kot vektorjaMI v radianih
|
||
|
||
#grid(
|
||
columns: 2,
|
||
gutter: 10pt,
|
||
[
|
||
#figure(
|
||
image("assets/rand/cordinats_show_mouse_picture.jpg"),
|
||
caption: [Prikaz vektorjev za premik slike],
|
||
)<Prikaz_vektorjev>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/rand/show_mouse_movement.jpg"),
|
||
caption: [Prikaz delta razdalje],
|
||
)<Prikaz_razdalje>
|
||
],
|
||
)
|
||
|
||
#pagebreak()
|
||
=== Drugi korak: Medtem ko miško držimo stisnjeno
|
||
Sedaj lahko izračunamo rotacijo slike glede na horizontalni premik miške in posledično novo pozicijo slike.
|
||
|
||
$
|
||
Delta"mouseV"_x & = "mouseV"_x - "mouseStart"_x \
|
||
a & = frac(Delta"mouseV"_x, "screenWidth") \
|
||
b & = frac(a + 1, 2) \
|
||
"rotation" & = "lerp"(45,-45, b) \
|
||
"rotationRad" & = (("rotation"* pi) / 180.0)
|
||
$<mat_rotacija>
|
||
|
||
- $"screenWidth"$ ‒ širina zaslona
|
||
- $Delta"mouseV"_x$ ‒ sprememba pozicije $[-"screenWidth", "screenWidth"]$
|
||
- $a$ ‒ normalizirano na razpon $[-1, 1]$
|
||
- $b$ ‒ normalizirano na razpon $[0, 1]$
|
||
- $"rotation"$ ‒ kot za koliko se more slika obrniti v stopinjah
|
||
- $"rotationRad"$ ‒ v radianih
|
||
|
||
#v(10pt)
|
||
V @mat_rotacija za $Delta"mouseV"$ lahko vidimo na (@Prikaz_razdalje), da ko je začetek v zeleni piki in se premikamo proti modri, je delta pozitivna in ko se premikamo proti rdeči, je negativna, zato potrebujemo normalizacijo $a$ in $b$ ker LERP sprejme vrednosti med $[0, 1]$.
|
||
#v(10pt)
|
||
|
||
$
|
||
"newAngleOfVectorMI" & = "rotationRad" + "oldAngleOfVectorM" \
|
||
"vectorMI"_x & = "sizeOfVectorMI" * cos("newAngleOfVectorMI") \
|
||
"vectorMI"_y & = "sizeOfVectorMI" * sin("newAngleOfVectorMI") \
|
||
"imageV"_x & = "vectorMI"_x + "mouseV"_x \
|
||
"imageV"_y & = "vectorMI"_y + "mouseV"_y \
|
||
"imageRotation" & = 90 + "rotation"
|
||
$
|
||
|
||
- $"imageRotation"$ ‒ novi kot slike v stopinjah
|
||
- $"imageV"$ ‒ pozicija slike
|
||
|
||
#v(10pt)
|
||
Sedaj lahko končno narišemo sliko na poziciji $"imageV"$ in pot kotom $"imageRotation"$.
|
||
|
||
#pagebreak()
|
||
=== Tretji korak: Ob spustitvi miške
|
||
Ko miško spustimo, moramo samo ponastaviti vrednosti slike, da je spet pokončno, in jo postaviti nazaj na originalno pozicijo.
|
||
|
||
$
|
||
"imageRotation" & = 90 \
|
||
"imageV" & = "orgImageV"
|
||
$
|
||
|
||
- $"orgImageV"$ ‒ originalna pozicija slike
|
||
|
||
=== Uporabljene funkcije
|
||
|
||
V zgornjih enačbah nastopata dve standardni funkciji. Funkcija $"atan2"$ vrne kot vektorja v pravem kvadrantu, pri čemer upošteva predznaka obeh koordinat @wiki_atan2. Argumenta ji podajamo v vrstnem redu $(Delta x, Delta y)$, zato je dobljeni kot merjen od navpične osi in v enačbah za razstavljanje vektorja nastopa sinus pri komponenti $x$ in kosinus pri komponenti $y$. Funkcija $"lerp"(v_0, v_1, t) = v_0 + t (v_1 - v_0)$ linearno interpolira med vrednostma $v_0$ in $v_1$ s parametrom $t in [0, 1]$ @wiki_lerp.
|
||
|
||
#pagebreak()
|
||
|
||
== DNA MANAGER
|
||
#let next = `next`
|
||
#let like = `like`
|
||
#let newGen = `newGen`
|
||
|
||
DNA menedžer hrani celotno populacijo tekoče generacije, skrbi za vrstni red prikaza osebkov in za prehod v naslednjo generacijo. Vmesnik sestavljajo tri funkcije (@dna_manager): #next vrne naslednji osebek za prikaz, #like sporoči uporabnikovo oceno, #newGen pa iz zbranih ocen zgradi naslednjo generacijo. Ko #next vrne `nullptr` in #like vrne `false`, so vsi osebki generacije prikazani in ocenjeni, zato jedro pokliče #newGen.
|
||
|
||
Menedžer dovoli, da naslednji osebek pridobimo, še preden ocenimo prejšnjega. Aplikacija to izkorišča tako, da hkrati hrani dva osebka: zgornjega, ki ga uporabnik premika in ocenjuje, in spodnjega, ki je že izrisan in čaka v ozadju. Po vsaki oceni spodnji osebek postane zgornji, na njegovo mesto pa vstopi naslednji.
|
||
|
||
Za sledenje stanju generacije menedžer uporablja dva indeksa v vektorju osebkov. Indeks `queued` kaže na naslednji osebek za prikaz, indeks `showed` pa na naslednji osebek za oceno. Funkcija #next vrne osebek na mestu `queued` in indeks poveča; ko `queued` doseže velikost generacije, vrne `nullptr`. Funkcija #like uvrsti indeks ocenjenega osebka med všečne ali nevšečne in poveča `showed`; ko sta oba indeksa na koncu vektorja, vrne `false`. Glavna logika evolucije je v funkciji #newGen in je opisana v
|
||
// @genetski_algoritem.
|
||
#figure(caption: [DnaManager])[
|
||
#grid(
|
||
columns: 2,
|
||
[
|
||
```cpp
|
||
struct DnaManagerData
|
||
{
|
||
int generation;
|
||
uint128 randSeed;
|
||
int64_t id;
|
||
int queued;
|
||
int showed;
|
||
std::vector<Dna> vector;
|
||
std::vector<int> liked;
|
||
std::vector<int> disliked;
|
||
};
|
||
|
||
namespace DnaManager
|
||
{
|
||
UiUnit next(DnaManagerData *data);
|
||
bool like(UiUnit unit, DnaManagerData *data);
|
||
void newGen(DnaManagerData *data);
|
||
}
|
||
```
|
||
],
|
||
[
|
||
```cpp
|
||
struct UiUnit
|
||
{
|
||
Dna *dna;
|
||
Liked liked;
|
||
int index;
|
||
};
|
||
|
||
enum Liked
|
||
{
|
||
tbd,
|
||
yes,
|
||
no
|
||
};
|
||
```
|
||
],
|
||
)
|
||
|
||
]<dna_manager>
|
||
|
||
#pagebreak()
|
||
|
||
== ZAPIS DNA
|
||
Dna je sestavljen iz dveh struktur (@dna_objekt). Zanimliv del, ki ga opazimo, je, da je vsak gen točno en bite dolg in celoten objekt je v pomnilniku samo en velik list bitov (array of bites). To značinost uporabljamo v complementarnih funkcijah `newDna`, `makeChiled`, `clone` in `mutate`.
|
||
|
||
#figure(caption: [DNA objekt])[
|
||
|
||
#grid(
|
||
columns: 2,
|
||
[
|
||
```cpp
|
||
struct Dna
|
||
{
|
||
uint128 mountenSeed;
|
||
uint128 starSeed;
|
||
uint128 branchSeed;
|
||
|
||
uint8_t moonX;
|
||
uint8_t moonY;
|
||
uint8_t moonSize;
|
||
uint8_t colorSet;
|
||
Branch branches[MAX_DEPTH];
|
||
};
|
||
```
|
||
],
|
||
[
|
||
```cpp
|
||
struct Branch
|
||
{
|
||
uint8_t colorR;
|
||
uint8_t colorG;
|
||
uint8_t colorB;
|
||
int8_t colorR_change;
|
||
int8_t colorG_change;
|
||
int8_t colorB_change;
|
||
uint8_t colorVar;
|
||
|
||
uint8_t size;
|
||
uint8_t sizeParent;
|
||
uint8_t sizeLevel;
|
||
uint8_t sizeChange;
|
||
uint8_t sizeVar;
|
||
|
||
uint8_t length;
|
||
uint8_t lengthVar;
|
||
|
||
uint8_t branchCount;
|
||
uint8_t branchAngleVar;
|
||
};
|
||
```
|
||
],
|
||
)
|
||
]<dna_objekt>
|
||
|
||
#pagebreak()
|
||
|
||
|
||
Če pogledamo definicijo od `newDna` (@dna_funkcije), vidimo pretvorbo (cast) iz `Dna` v `uint8_t*` in sedaj se lahko enostavno sprehodimo čez objekt in spremenimo vrednosti.
|
||
|
||
#figure(caption: [Primer DNA funkcije])[
|
||
```cpp
|
||
namespace DNA
|
||
{
|
||
void newDna(Dna *dna, uint128 *randState);
|
||
void makeChild(Dna *p1, Dna *p2, Dna *c, uint128 *randState);
|
||
void clone(Dna *p1, Dna *c, uint128 *randState);
|
||
void mutate(Dna *dna, uint32_t num, uint128 *randState);
|
||
}
|
||
|
||
void newDna(Dna *dna, uint128 *state)
|
||
{
|
||
uint8_t *array = (uint8_t *)dna;
|
||
for (size_t i = 0; i < sizeof(Dna); i++)
|
||
{
|
||
array[i] = mrand::getValue(256, state);
|
||
}
|
||
}
|
||
```
|
||
]<dna_funkcije>
|
||
|
||
Ostale funkcije so podobne; najprej pretvorimo v `uint_8*` in nato:
|
||
- `makeChild` naključno kopiramo iz staršev,
|
||
- `clone` naključno kopiramo iz starša in vstavljamo naključne vrednosti,
|
||
- `mutate` pa sprecificirano število vrednosti spremenimo v naključne vrednosti.
|
||
|
||
|
||
|
||
#pagebreak()
|
||
|
||
== DNA VIZUALIZACIJA
|
||
|
||
|
||
#figure(
|
||
image("assets/rand/slika_drevesa.jpg", height: 200pt),
|
||
caption: [Končna slika po vizualizaciji],
|
||
)
|
||
|
||
Je sestavljena iz treh razredov: `Canvas`, `BackGround`, `Tree` (@razredi_vizualizacije). Tukaj je Canvas samo vmesni razred, ki postavi risanje na teksturo in nato pokliče BackGround in Tree.
|
||
|
||
#figure(caption: [Razredi za vizualizacijo])[
|
||
#grid(
|
||
columns: 2,
|
||
[
|
||
```cpp
|
||
class Canvas
|
||
{
|
||
public:
|
||
void draw(
|
||
RenderTexture2D &target,
|
||
Dna *dna);
|
||
private:
|
||
BackGround backGround;
|
||
Tree tree;
|
||
};
|
||
|
||
class BackGround
|
||
{
|
||
public:
|
||
void draw(Dna *dna);
|
||
private:
|
||
void drawStars();
|
||
void drawSun();
|
||
void drawMounten(
|
||
size_t mountenSegments, int min,
|
||
int max, Color color, float scale);
|
||
};
|
||
```
|
||
],
|
||
[
|
||
```cpp
|
||
class Tree
|
||
{
|
||
public:
|
||
void draw(Dna *dna);
|
||
private:
|
||
void drawBranch();
|
||
std::vector<DrawArgs> drawCalls;
|
||
};
|
||
|
||
struct DrawArgs
|
||
{
|
||
Vector2 startPoint;
|
||
float angle;
|
||
int depth;
|
||
Color parent;
|
||
int perentSize;
|
||
};
|
||
```
|
||
],
|
||
)
|
||
]<razredi_vizualizacije>
|
||
|
||
#pagebreak()
|
||
|
||
=== Ozadje
|
||
Ozadje izrišemo v štirih korakih. Najprej narišemo nebo, in sicer podnevi kot navpičen barvni prehod s funkcijo `DrawRectangleGradientV` (@steps_nebo), ponoči pa kot enobarvno površino z zvezdami, katerih položaje določa naključno seme iz genoma (@steps_zvezde). Sledita sonce oziroma luna, sestavljena iz več koncentričnih krogov z nizko prosojnostjo, da dobimo mehak rob (@steps_sonce). Nazadnje izrišemo tri plasti gorovja, vsako s svojo barvo in višinskim razponom (@steps_gora_1 do @steps_gora_5).
|
||
|
||
Gore so bile med vsemi elementi najzahtevnejše. Rešili smo jih s trakom trikotnikov (triangle strip) @wiki_triangle_strip, pri katerem se točke izmenjujejo med tlemi in naključno izbrano višino, tako da vsaka nova točka s prejšnjima dvema tvori trikotnik (@Triangle_Strip). Plast izrišemo iz 150 takih segmentov od levega do desnega roba slike.
|
||
|
||
Barvno shemo ozadja določata dva gena: `colorSet` izbere eno od štirih shem, tri dnevne in eno nočno, `moonY` pa znotraj dnevne sheme enega od štirih odtenkov, kar ustreza različnim delom dneva. Skupaj je torej na voljo 13 barvnih shem, znotraj vsake pa se zvezno spreminjajo oblika gorovja, razporeditev zvezd ter položaj in velikost sonca oziroma lune.
|
||
|
||
#block(breakable: false)[
|
||
#grid(
|
||
columns: 3,
|
||
gutter: 10pt,
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_1.png", height: 100pt),
|
||
caption: [Korak dnevno nebo],
|
||
)<steps_nebo>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_2_2.png", height: 100pt),
|
||
caption: [Korak nočno nebo z zvezdami],
|
||
)<steps_zvezde>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_2.png", height: 100pt),
|
||
caption: [Korak sonce oziroma luna],
|
||
)<steps_sonce>
|
||
],
|
||
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_3_1.png", height: 100pt),
|
||
caption: [Korak gora 1],
|
||
)<steps_gora_1>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_3_2.png", height: 100pt),
|
||
caption: [Korak gora 2],
|
||
)<steps_gora_2>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_3.png", height: 100pt),
|
||
caption: [Korak gora 3],
|
||
)<steps_gora_3>
|
||
],
|
||
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_4.png", height: 100pt),
|
||
caption: [Korak gora 4],
|
||
)<steps_gora_4>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/draw_steps/steps_1_5.png", height: 100pt),
|
||
caption: [Korak gora 5],
|
||
)<steps_gora_5>
|
||
],
|
||
)
|
||
#figure(
|
||
image("assets/rand/Triangle_Strip.svg.png", height: 150pt),
|
||
caption: [Triangle strip],
|
||
)<Triangle_Strip>
|
||
]
|
||
|
||
#pagebreak()
|
||
|
||
|
||
=== Drevo
|
||
#let da = `DrawArgs`
|
||
#let dn = `Branch`
|
||
|
||
Algoritem za izris drevesa je iterativni proceduralni generator. Za izris uporabljamo strukturo #dn (@dna_objekt) in `std::list` (FIFO) #da (@razredi_vizualizacije).
|
||
|
||
==== DNA Branch
|
||
Veja je struktura, ki vsebuje podatke o:
|
||
|
||
- začetni barvi (`colorX`) [0, 255],
|
||
- spremembi barve (`colorX_change`), za koliko se barva spremeni čez dolžino veje [0, 255],
|
||
- variaciji začetne barve (`colorVar`), za koliko se lahko naključno spremeni začetna barva [-15, -15],
|
||
- začetni debelini (`size`) [2, 20],
|
||
- debelini glede na starša (`sizeParent`) [0.0, 1.0],
|
||
- debelini glede na globino (`sizeLevel`); iz @table_glob_data procent, koliko je podoben predefinirani velikosti [0.0, 1.0],
|
||
- spremembi debeline (`sizeChange`) za končno debelino veje [-5, 5],
|
||
- variaciji debeline (`sizeVar`), za koliko se lahko naključno spremeni začetna debelina [-5, 5],
|
||
- dolžini (`length`) veje [0.5, 1.3],
|
||
- variaciji dolžine (`lengthVar`), za koliko se lahko naključno spremeni dolžina veje [-0.15, 0.15],
|
||
- številu otroki (`branchCount`), koliko vej bo nadaljevalo [2, 3],
|
||
- variaciji kota med vejami (`branchAngleVar`) naključna variacija kota med vejami zato, da ni enakomerno razporejeno [0, 20].
|
||
|
||
#figure(caption: [Globalni podatki])[
|
||
#table(
|
||
columns: 9,
|
||
table.header([Depth], [0], [1], [2], [3], [4], [5], [6], [7]),
|
||
table.hline(),
|
||
[Sizes], [20], [18], [16], [14], [12], [10], [8], [6],
|
||
[Lengths \*], [1/4], [7/40], [], [], [], [], [], [],
|
||
)
|
||
\* Lengths for 0 is 1/4 of length of a canvas next are 70% shorter of previous
|
||
]<table_glob_data>
|
||
|
||
#pagebreak()
|
||
|
||
==== Algoritem
|
||
Algoritem drevo gradi po vejah in ne rekurzivno. V seznamu hrani opise vej, ki jih je še treba izrisati; iz seznama vzame prvi opis, izriše vejo in na njen konec doda opise njenih otrok, dokler seznam ni prazen. Vsaka veja pri tem prevzame nekaj lastnosti od starša (končno debelino in barvo), preostale pa prebere iz gena za svojo globino. Tako je celotno drevo določeno z osmimi geni, po enim za vsako globino, in s tem, kar veje podedujejo od svojih staršev.
|
||
|
||
Začnemo tako, da v seznam damo opis debla, ki ga prikazuje @prvi_drawArgs, in ponavljamo naslednje korake, dokler imamo nekaj v seznamu.
|
||
#figure(caption: [Prvi DrawArgs])[
|
||
```cpp
|
||
struct DrawArgs
|
||
{
|
||
startPoint : {x: screenWidth/2, y:0},
|
||
angle: 90.0f,
|
||
depth: 0
|
||
};
|
||
```
|
||
]<prvi_drawArgs>
|
||
|
||
+ Korak: Predpostavek, da lahko narišemo drevo, predvidevamo, da imamo strukturo `DNA`
|
||
|
||
+ Korak: Priprava
|
||
|
||
Pridobimo `DrawArgs arg` in `Branch b`
|
||
|
||
```cpp
|
||
DrawArgs arg = list.pop_front();
|
||
Branch b = Dna.branches[argument.depth];
|
||
```
|
||
|
||
+ Korak: Začetna točka
|
||
```cpp
|
||
Vector2 StartPoint = arg.startPoint;
|
||
```
|
||
@viztree0
|
||
+ Korak: Dolžina
|
||
```cpp
|
||
float Len = Lengths[arg.dep] * b.length * (b.lengthVar * randFloat());
|
||
```
|
||
`Lengths` je iz @table_glob_data
|
||
|
||
@viztree1
|
||
+ Korak: Končna točka in naključni kot
|
||
```cpp
|
||
float AngleVar = lerp(b.branchAngleVar, -b.branchAngleVar, randFloat());
|
||
float tmpAng = AngleVar + arg.angle;
|
||
float nx = Len * sin(tmpAng);
|
||
float ny = Len * cos(tmpAng);
|
||
Vector2 EndPoint;
|
||
EndPoint.x = StartPoint.x + nx;
|
||
EndPoint.y = StartPoint.y + ny;
|
||
```
|
||
@viztree2
|
||
+ Korak: Začetna debelina
|
||
```cpp
|
||
float tmp1 = b.size + (b.sizeVar * randFloat());
|
||
float tmp2 = lerp(tmp1 ,arg.parentSize, b.sizeParent);
|
||
float StartSize = lerp(tmp2, Sizes[arg.dep], b.sizeLevel);
|
||
```
|
||
`Sizes` je iz @table_glob_data
|
||
|
||
@viztree3
|
||
|
||
+ Korak: Končna debelina
|
||
```cpp
|
||
float EndSize = StartSize + b.sizeChange;
|
||
```
|
||
@viztree3
|
||
|
||
+ Korak: Začetna barva
|
||
```cpp
|
||
Color StartColor = lerp(b.colorX, arg.parentX , 0.7) + b.colorVar * randFloat();
|
||
```
|
||
@viztree4
|
||
|
||
+ Korak: Končna barva
|
||
```cpp
|
||
Color EndColor = StartColor * b.colorChange * randFloat();
|
||
```
|
||
@viztree4
|
||
|
||
+ Korak: Izris veje
|
||
```cpp
|
||
float fstep = 1.0 / ((Len / sizeStart) * 2.0f);
|
||
for (float i = 0; i < 1; i += fstep)
|
||
{
|
||
Vector2 point = Vector2Lerp(StartPoint, EndPoint, i);
|
||
Color color = ColorLerp(StartColor, EndColor, i);
|
||
int size = Lerp(StartSize, EndSize, i);
|
||
DrawCircleV(point, size, color);
|
||
}
|
||
```
|
||
@viztree5
|
||
|
||
+ Korak: Dodaj otroke v list
|
||
```cpp
|
||
if(arg.dep + 1 > MAX_DEPTH) return;
|
||
float sectors = b.branchCount + 1;
|
||
float degres = 180.0f / sectors;
|
||
for (size_t i = 0; i < b.branchCount; i++)
|
||
{
|
||
float newAngle = arg.angle - 90 + (degres * (i + 1));
|
||
drawCalls.push_back({EndPoint, newAngle, arg.dep + 1, ColorEnd, SizeEnd});
|
||
}
|
||
```
|
||
@viztree6
|
||
|
||
+ Korak: Ponovimo
|
||
|
||
Sedaj gremo spet na Korak: Priprava (@viztree7)
|
||
|
||
#block(breakable: false)[
|
||
#grid(
|
||
columns: 3,
|
||
gutter: 10pt,
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika00.png", height: 100pt),
|
||
caption: [Začetna točka],
|
||
)<viztree0>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika01.png", height: 100pt),
|
||
caption: [Dolžina veje],
|
||
)<viztree1>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika02.png", height: 100pt),
|
||
caption: [Kot in končna točka],
|
||
)<viztree2>
|
||
],
|
||
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika03.png", height: 100pt),
|
||
caption: [Debeline],
|
||
)<viztree3>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika04.png", height: 100pt),
|
||
caption: [Barve],
|
||
)<viztree4>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika05.png", height: 100pt),
|
||
caption: [Izris veje],
|
||
)<viztree5>
|
||
],
|
||
)
|
||
#grid(
|
||
columns: 2,
|
||
gutter: 10pt,
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika06.png", height: 200pt),
|
||
caption: [Novi otroki],
|
||
)<viztree6>
|
||
],
|
||
[
|
||
#figure(
|
||
image("assets/vizualizacija_drevo/slika07.png", height: 200pt),
|
||
caption: [Ponovimo],
|
||
)<viztree7>
|
||
],
|
||
)
|
||
]
|
||
|
||
|
||
|
||
|
||
|
||
#pagebreak()
|
||
|
||
== OPTIMIZACIJE
|
||
|
||
=== Optimizacija izrisa
|
||
|
||
Sprva se je drevo izrisalo s pomočjo raylib funkcije `DrawLineEx`, drevo se je izrisovalo vsak okvir (frame). Kasneje smo hoteli dodati veje s spremenljivo debelino, najlažja rešitev, ki smo se jo spomnili, je bila, da narišemo krogce s spremenljivim polmerom. To nas je prisililo, da moramo narisati čez 55000 krogov. Z raylibovo funkcijo `DrawCircleV` za risanje krogov je applikacija začela zaostajati (lagged). To smo rešili tako, da najprej drevo narišemo na teksturo, ki je zelo enostavna za izris. To je rešilo večino problemov, občasno se je še vedno pojavil zaostanek (lag spike), ki smo ga rešili tako, da smo omejili število risalnih klicev na okvir in drevo narisali v par okvirjih.
|
||
|
||
#align(center)[
|
||
#figure(caption: [Optimizacije izrisa])[
|
||
#table(
|
||
columns: 5,
|
||
align: horizon,
|
||
table.header(
|
||
[Optimizacija], [Povprečen ms/okvir], [Skupni čas izrisa slike], [Maks ms/okvir po zamenjavi slike], [FPS]
|
||
),
|
||
table.hline(),
|
||
[Izris s črtami], [2], [2], [3], [350],
|
||
[Izris s krogi vsak okvir], [100], [100], [100], [10],
|
||
[Izris s krogi v teksturo], [0.2], [100], [100], [5000],
|
||
[Izris s krogi v teksturo čez več okvirjev], [0.2], [100], [14], [5000],
|
||
)
|
||
]
|
||
]
|
||
|
||
#pagebreak()
|
||
=== Optimizacija DNA menedžerja
|
||
|
||
Na začetku (@dna_manager_v1) je bil DnaManager struktura kazalcev na `Dna`, kar pomeni, da stanja ni bilo mogoče shraniti v datoteko, saj kazalci po ponovnem zagonu niso več veljavni. Zato smo kazalce zamenjali z indeksi (@dna_manager_v2), ki jih je mogoče zapisati; ob tem se je izkazalo še, da je za predpomnilnik ugodno, če so indeksi v seznamu `queued` urejeni naraščajoče.
|
||
|
||
Med razhroščevanjem smo opazili, da sta seznama `queued` in `showed` odveč. Ker osebke prikazujemo in ocenjujemo v enakem vrstnem redu, kot so shranjeni v vektorju, oba seznama vedno vsebujeta strnjen del vektorja, zato ju je mogoče nadomestiti z dvema premikajočima se indeksoma v vektorju osebkov (@dna_manager_v3): pred indeksom `showed` so ocenjeni osebki, med `showed` in `queued` so prikazani in še neocenjeni, za `queued` pa še neprikazani.
|
||
#align(center)[
|
||
#grid(
|
||
columns: 2,
|
||
gutter: 16pt,
|
||
align: center,
|
||
[
|
||
#figure(caption: [DnaManager v1])[
|
||
```cpp
|
||
struct DnaManagerData
|
||
{
|
||
std::vector<Dna> vector;
|
||
std::list<Dna *> queued;
|
||
std::list<Dna *> showed;
|
||
std::vector<Dna *> liked;
|
||
std::vector<Dna *> disliked;
|
||
}
|
||
```
|
||
]<dna_manager_v1>
|
||
],
|
||
[
|
||
#figure(caption: [DnaManager v2])[
|
||
```cpp
|
||
struct DnaManagerData
|
||
{
|
||
std::vector<Dna> vector;
|
||
std::list<int> queued;
|
||
std::list<int> showed;
|
||
std::vector<int> liked;
|
||
std::vector<int> disliked;
|
||
}
|
||
```
|
||
]<dna_manager_v2>
|
||
],
|
||
)
|
||
]
|
||
|
||
#figure(caption: [DnaManager v3])[
|
||
```cpp
|
||
struct DnaManagerData
|
||
{
|
||
int queued;
|
||
int showed;
|
||
std::vector<Dna> vector;
|
||
std::vector<int> liked;
|
||
std::vector<int> disliked;
|
||
}
|
||
```
|
||
]<dna_manager_v3>
|
||
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= PODOBNOST
|
||
Med sejo želimo uporabniku pokazati, kako daleč je evolucija napredovala, hkrati pa potrebujemo mero, s katero lahko delovanje genetskega postopka spremljamo tudi pri razvoju. Za oboje uporabljamo isto količino: *povprečno podobnost med vsemi pari osebkov v trenutni generaciji*. Pri 16 osebkih je to povprečje čez $binom(16, 2) = 120$ parov.
|
||
|
||
Poudariti je treba, kaj ta količina pove in kaj ne. Razdalja med genoma pove, kako podobni sta si sliki, torej kako zelo se je populacija zožila oziroma kam je izbira skonvergirala. Ne pove pa, ali so slike uporabniku dejansko všeč: populacija lahko skonvergira tudi k drevesom, s katerimi uporabnik ni zadovoljen, na primer kadar med prikazanimi osebki ni bilo nobenega, ki bi mu ustrezal. Podobnost je torej *mera konvergence*, ne mera všečnosti. V uporabniškem vmesniku je prikazana kot odstotek "všečnosti", kar je zaradi igrifikacije razumljivo, vsebinsko pa neposrečeno; primernejša oznaka bi bila "ujemanje z vašim izborom" ali "stopnja konvergence".
|
||
|
||
Ker se mera računa po vsaki generaciji in se prikaže uporabniku, mora biti izračunljiva neposredno nad 180-bajtnim genomom, imeti zalogo vrednosti, ki jo je mogoče prikazati kot odstotek, med konvergenco populacije naraščati in se izračunati dovolj hitro, da prehod med generacijama ni opazen. Da bi pokrili različne pristope k merjenju razdalje, smo preučili sedem mer iz treh družin: geometrijske (evklidska razdalja, skalarni produkt, kosinusna podobnost in njena varianta), množične (Jaccardov indeks) ter nizovne oziroma poravnalne (Hammingova razdalja, Levenshteinova razdalja in Needleman-Wunschev algoritem).
|
||
|
||
== Opis mer
|
||
Genom obravnavamo kot zaporedje $n = 180$ bajtov, torej kot vektor celih števil z zalogo vrednosti $[0, 255]$. Vse mere so definirane nad tem zapisom in vrnjeno vrednost normaliziramo na odstotke.
|
||
|
||
=== Geometrijske mere
|
||
*Evklidska razdalja* je najkrajša razdalja med dvema točkama v evklidskem prostoru @wiki_euclidean_distance. Normaliziramo jo z največjo možno razdaljo v prostoru, podobnost pa je njen komplement:
|
||
$
|
||
d(p, q) & = sqrt(sum_(i=1)^n (q_i - p_i)^2) \
|
||
s & = 1 - frac(d(p, q), 255 sqrt(n))
|
||
$
|
||
|
||
*Skalarni produkt* dveh vektorjev vrne skalar @wiki_dot_product; normaliziramo ga z največjim možnim produktom $n dot 255^2$:
|
||
$
|
||
upright(bold(A)) op(dot) upright(bold(B)) & = sum_(i=1)^n A_i B_i \
|
||
s & = frac(upright(bold(A)) op(dot) upright(bold(B)), n dot 255^2)
|
||
$
|
||
|
||
*Kosinusna podobnost* meri kosinus kota med vektorjema in je neodvisna od njune velikosti @wiki_cosine_similarity:
|
||
$ s = frac(upright(bold(A)) op(dot) upright(bold(B)), ||upright(bold(A))|| ||upright(bold(B))||) $
|
||
Ker so vse komponente nenegativne, je kot med vektorjema vedno majhen in mera se že pri naključnih genomih giblje visoko. Zato smo preizkusili tudi *varianto*, pri kateri vrednosti genov najprej preslikamo iz $[0, 255]$ v $[-128, 127]$ in s tem razširimo izhodno območje.
|
||
|
||
=== Množične mere
|
||
*Jaccardov indeks* meri podobnost dveh množic kot razmerje med velikostjo preseka in velikostjo unije @wiki_jaccard_index:
|
||
$ J(A, B) = frac(|A #sym.inter B|, |A #sym.union B|) $
|
||
|
||
=== Nizovne in poravnalne mere
|
||
*Hammingova razdalja* meri število mest, na katerih se zaporedji enake dolžine razlikujeta @wiki_hamming_distance. Ker je pri nas gen en bajt, primerjamo bajte in ne posameznih bitov:
|
||
$
|
||
d(p, q) & = |{i : p_i != q_i}| \
|
||
s & = 1 - frac(d(p, q), n)
|
||
$
|
||
|
||
*Levenshteinova razdalja* je najmanjše število vstavitev, izbrisov in zamenjav, potrebnih za pretvorbo enega zaporedja v drugo @wiki_levenshtein_distance. Računa se z dinamičnim programiranjem in ima časovno zahtevnost $O(n^2)$, kar je pri $n = 180$ opazno počasneje od ostalih mer.
|
||
|
||
*Needleman-Wunschev algoritem* je postopek globalne poravnave zaporedij iz bioinformatike, prav tako zasnovan na dinamičnem programiranju @wiki_needlemanwunsch_algorithm. Vsaki možni poravnavi dodeli oceno glede na izbrane nagrade za ujemanje ter kazni za neujemanje in vrzeli, rezultat pa je poravnava z najvišjo oceno.
|
||
|
||
#align(center)[
|
||
#figure(caption: [Pregled preučenih mer])[
|
||
#table(
|
||
columns: 4,
|
||
align: (left, left, left, left),
|
||
table.header([Mera], [Družina], [Časovna zahtevnost], [Testirana]),
|
||
table.hline(),
|
||
[Evklidska razdalja], [geometrijska], [$O(n)$], [da],
|
||
[Skalarni produkt], [geometrijska], [$O(n)$], [da],
|
||
[Kosinusna podobnost], [geometrijska], [$O(n)$], [da],
|
||
[Kosinusna varianta], [geometrijska], [$O(n)$], [da],
|
||
[Jaccardov indeks], [množična], [$O(n)$], [ne],
|
||
[Hammingova razdalja], [nizovna], [$O(n)$], [da],
|
||
[Levenshteinova razdalja], [poravnalna], [$O(n^2)$], [da],
|
||
[Needleman-Wunschev alg.], [poravnalna], [$O(n^2)$], [ne],
|
||
)
|
||
]<tabela_mere>
|
||
]
|
||
|
||
Razloga, zakaj Jaccardovega indeksa in Needleman-Wunschevega algoritma nismo testirali, sta navedena v @odlocitev_mera.
|
||
|
||
== Testiranje algoritmov
|
||
Mere smo primerjali na sejah evolucije, shranjenih v podatkovni bazi aplikacije. Na voljo smo imeli tri seje; vsaka je bila izpeljana do dvanajste generacije, torej obsega 13 generacij (0--12) in 208 uporabnikovih ocen, skupaj 624 ocen. Vse mere so bile izračunane na istih, že posnetih generacijah, tako da so med seboj neposredno primerljive.
|
||
// TODO: dopolniti, kdo je izvedel te tri seje (avtor / testni uporabniki) -- mentorjevo vprašanje "Kdo je testiral?"
|
||
|
||
V nadaljevanju so prikazani rezultati seje, katere slike vseh generacij so v prilogi. Za to sejo @tabela_vsecki_gen prikazuje tudi, koliko osebkov je uporabnik v posamezni generaciji označil kot všečne, saj je od tega odvisno, katera veja postopka tvorjenja nove generacije se je izvedla (@genetski_algoritem).
|
||
|
||
#align(center)[
|
||
#figure(caption: [Število všečkanih osebkov po generacijah (od 16)])[
|
||
#table(
|
||
columns: 14,
|
||
table.header([Generacija], [0], [1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12]),
|
||
table.hline(),
|
||
[Všečkani], [4], [3], [11], [14], [12], [15], [16], [1], [2], [4], [2], [7], [11],
|
||
)
|
||
]<tabela_vsecki_gen>
|
||
]
|
||
|
||
=== Testno okolje
|
||
Algoritmi so bili testirani na računalniku z AMD Ryzen 5 5500U procesorjem in 16 GB rama. Vsak algoritem je bil zagnan petkrat in podatki so povprečje rezultatov.
|
||
|
||
=== Rezultati podobnosti
|
||
|
||
#align(center)[
|
||
#figure(caption: [Rezultati podobnosti])[
|
||
#table(
|
||
columns: 7,
|
||
table.header(
|
||
[Generacija],
|
||
[Evklidska],
|
||
[Skalarni produkt],
|
||
[Kosinusna],
|
||
[Kosinusna variacija],
|
||
[Hamming-ova],
|
||
[Levenshte-inova],
|
||
),
|
||
table.hline(),
|
||
[0], [58.835], [25.4743], [75.0422], [0.19221], [0.449075], [50.3356],
|
||
[1], [63.2906], [27.6056], [80.0648], [22.6274], [22.8889], [61.4676],
|
||
[2], [67.9607], [29.0597], [84.9029], [41.0515], [44.9491], [72.4768],
|
||
[3], [68.5758], [29.181], [85.409], [42.257], [46.75], [73.375],
|
||
[4], [68.7648], [29.1488], [85.5507], [42.8455], [46.8519], [73.4259],
|
||
[5], [69.4333], [29.2939], [86.089], [44.4245], [48.463], [74.2315],
|
||
[6], [68.6623], [28.8901], [85.3302], [41.7158], [46.6667], [73.3333],
|
||
[7], [68.3941], [28.7663], [85.0723], [40.4149], [44.9213], [72.4606],
|
||
[8], [64.988], [28.0012], [82.0021], [28.3094], [27.3796], [63.6898],
|
||
[9], [73.4526], [27.977], [88.825], [57.7922], [59.213], [79.6065],
|
||
[10], [77.0616], [29.2913], [91.6422], [68.0308], [67.3981], [83.6991],
|
||
[11], [82.7646], [31.4961], [95.4701], [81.8052], [81.8981], [90.9491],
|
||
[12], [82.313], [31.8334], [95.2544], [80.7246], [80.7778], [90.3889],
|
||
)
|
||
]
|
||
]
|
||
|
||
#import "@preview/lilaq:0.5.0" as lq
|
||
|
||
#let xs = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
|
||
#let se = (58.835, 63.2906, 67.9607, 68.5758, 68.7648, 69.4333, 68.6623, 68.3941, 64.988, 73.4526, 77.0616, 82.7646, 82.313)
|
||
#let sd = (25.4743, 27.6056, 29.0597, 29.181, 29.1488, 29.2939, 28.8901, 28.7663, 28.0012, 27.977, 29.2913, 31.4961, 31.8334)
|
||
#let scs = (75.0422, 80.0648, 84.9029, 85.409, 85.5507, 86.089, 85.3302, 85.0723, 82.0021, 88.825, 91.6422, 95.4701, 95.2544)
|
||
#let scsv = (0.19221, 22.6274, 41.0515, 42.257, 42.8455, 44.4245, 41.7158, 40.4149, 28.3094, 57.7922, 68.0308, 81.8052, 80.7246)
|
||
#let sh = (0.449075, 22.8889, 44.9491, 46.75, 46.8519, 48.463, 46.6667, 44.9213, 27.3796, 59.213, 67.3981, 81.8981, 80.7778)
|
||
#let sl = (50.3356, 61.4676, 72.4768, 73.375, 73.4259, 74.2315, 73.3333, 72.4606, 63.6898, 79.6065, 83.6991, 90.9491, 90.3889)
|
||
|
||
#align(center)[
|
||
#figure(caption: [Podobnost znotraj generacije po posameznih merah])[
|
||
#lq.diagram(
|
||
legend: (position: (100% + .5em, 0%)),
|
||
height: 200pt,
|
||
width: 300pt,
|
||
xlabel: "Generacija",
|
||
ylabel: "Podobnost v %",
|
||
lq.plot(xs, se, mark: none, label: [Evklidska]),
|
||
lq.plot(xs, sd, mark: none, label: [Skalarni produkt]),
|
||
lq.plot(xs, scs, mark: none, label: [Kosinusna]),
|
||
lq.plot(xs, scsv, mark: none, label: [Kosinusna variacija]),
|
||
lq.plot(xs, sh, mark: none, label: [Hammingova]),
|
||
lq.plot(xs, sl, mark: none, label: [Levenshteinova]),
|
||
)
|
||
]<graf_podobnost>
|
||
]
|
||
#pagebreak()
|
||
=== Čas računanja podobnosti v μs
|
||
#align(center)[
|
||
#figure(caption: [Čas računanja podobnosti])[
|
||
#table(
|
||
columns: 7,
|
||
table.header(
|
||
[Generacija],
|
||
[Evklidska],
|
||
[Skalarni produkt],
|
||
[Kosinusna],
|
||
[Kosinusna variacija],
|
||
[Hamming-ova],
|
||
[Levenshte-inova],
|
||
),
|
||
table.hline(),
|
||
[0], [91], [41], [117], [181], [87], [105799],
|
||
[1], [60], [40], [78], [305], [250], [100331],
|
||
[2], [61], [40], [78], [121], [105], [97438],
|
||
[3], [66], [40], [81], [124], [106], [97529],
|
||
[4], [60], [40], [78], [127], [108], [96296],
|
||
[5], [62], [39], [85], [131], [104], [96456],
|
||
[6], [61], [40], [81], [125], [106], [96510],
|
||
[7], [61], [40], [81], [125], [103], [97253],
|
||
[8], [61], [40], [81], [125], [78], [97409],
|
||
[9], [60], [40], [82], [125], [103], [99816],
|
||
[10], [62], [40], [81], [128], [81], [98978],
|
||
[11], [68], [40], [81], [126], [58], [98289],
|
||
[12], [61], [39], [88], [130], [60], [99663],
|
||
)
|
||
]
|
||
]
|
||
|
||
#let ts = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
|
||
#let te = (91, 60, 61, 66, 60, 62, 61, 61, 61, 60, 62, 68, 61)
|
||
#let td = (41, 40, 40, 40, 40, 39, 40, 40, 40, 40, 40, 40, 39)
|
||
#let tcs = (117, 78, 78, 81, 78, 85, 81, 81, 81, 82, 81, 81, 88)
|
||
#let tcsv = (181, 305, 121, 124, 127, 131, 125, 125, 125, 125, 128, 126, 130)
|
||
#let th = (87, 250, 105, 106, 108, 104, 106, 103, 78, 103, 81, 58, 60)
|
||
#let tl = (105799, 100331, 97438, 97529, 96296, 96456, 96510, 97253, 97409, 99816, 98978, 98289, 99663)
|
||
|
||
#align(center)[
|
||
#figure(caption: [
|
||
Čas računanja podobnosti. Levenshteinova razdalja je zaradi merila izpuščena iz prikaza; njen čas se giblje med 96 296 μs in 105 799 μs, torej približno tisočkrat nad ostalimi merami.
|
||
])[
|
||
#lq.diagram(
|
||
legend: (position: (100% + .5em, 0%)),
|
||
height: 200pt,
|
||
width: 300pt,
|
||
ylim: (0, 350),
|
||
xlabel: "Generacija",
|
||
ylabel: "Čas v μs",
|
||
lq.plot(ts, te, mark: none, label: [Evklidska]),
|
||
lq.plot(ts, td, mark: none, label: [Skalarni produkt]),
|
||
lq.plot(ts, tcs, mark: none, label: [Kosinusna]),
|
||
lq.plot(ts, tcsv, mark: none, label: [Kosinusna variacija]),
|
||
lq.plot(ts, th, mark: none, label: [Hammingova]),
|
||
lq.plot(ts, tl, mark: none, label: [Levenshteinova]),
|
||
)
|
||
]<graf_cas>
|
||
]
|
||
#pagebreak()
|
||
== Interpretacija konvergence <interpretacija_konvergence>
|
||
Krivulje na @graf_podobnost se med seboj razlikujejo po zalogi vrednosti, njihova oblika pa je enaka, saj vse merijo isti pojav: kako zelo se je populacija zožila. Če jih beremo skupaj s številom všečkov po generacijah (@tabela_vsecki_gen), postane razvidno, da oblike krivulje ne določa zaporedna številka generacije, temveč uporabnikove ocene, saj te izberejo vejo postopka tvorjenja nove generacije.
|
||
|
||
*Naraščanje v generacijah 2--6.* Uporabnik je v teh generacijah označil med 11 in 16 všečkov, zato je bilo staršev veliko, na novo ustvarjenih osebkov pa malo. Populacija se zato hitro poenoti in Hammingova podobnost naraste s približno 45 % na 48 %, kosinusna pa čez 86 %.
|
||
|
||
*Zastoj med generacijama 6 in 7.* V generaciji 6 je bilo všečkanih vseh 16 osebkov. Ker otroci prepišejo samo mesta nevšečnih osebkov, otrok sploh ni bilo in je na populacijo delovala le mutacija treh bajtov na osebek. Podobnost se med tema dvema generacijama praktično ne spremeni (85,3 % proti 85,1 % pri kosinusni meri).
|
||
|
||
*Padec pri generaciji 8.* V generaciji 7 je bil všečen samo en osebek. Postopek je zato uporabil vejo `clone`, ki polovico bajtov otroka nadomesti z naključnimi vrednostmi, in 15 od 16 osebkov naslednje generacije je nastalo na ta način. Podobnost posledično strmo pade, pri Hammingovi meri s 44,9 % na 27,4 %. Padec torej ni napaka meritve, ampak pričakovana posledica robnega primera v postopku.
|
||
|
||
*Strop pri približno 82 %.* Po generaciji 9 podobnost spet naraste in se pri generacijah 11 in 12 ustali okoli 82 % (Hammingova mera). Popolnega ujemanja postopek ne more doseči, ker se mutacija izvede tudi na všečnih osebkih: vsak osebek v vsaki generaciji dobi tri naključne bajte, zato v populaciji vedno ostane nekaj razlik.
|
||
|
||
Iz tega je razvidno, da je mera razdalje uporabna tudi kot diagnostika postopka in ne le kot številka na zaslonu; iz njenega poteka je mogoče razbrati, katera veja postopka se je izvedla in kako močno je vplivala na populacijo. Naravno nadaljevanje tega opazovanja je merjenje hitrosti konvergence pri različnih stopnjah mutacije in različnih velikostih generacije, kar navajamo med predlogi za nadaljnje delo (@zakljucek).
|
||
|
||
== Odločitev <odlocitev_mera>
|
||
Izbrali smo Hammingovo razdaljo. Ustreza vsem štirim kriterijem iz uvoda tega poglavja: računa se neposredno nad bajti genoma, njena zaloga vrednosti je celoten razpon od 0 % do 100 %, med konvergenco narašča, izračun 120 parov pa traja približno 100 μs. Odločilna je bila zaloga vrednosti: pri naključni začetni populaciji se začne pri približno 0 % in se z zoževanjem izbire pomika proti 100 %, zato je uporabniku razumljiva brez dodatne razlage. Kosinusna podobnost je za prikaz manj primerna, ker se že pri naključni populaciji začne pri 75 %, evklidska pri 59 %, skalarni produkt pa se giblje le med 25 % in 32 %. Časov računanja pri odločitvi nismo upoštevali, saj so vse mere razen Levenshteinove pod 0,5 ms, kar je za enkraten izračun ob prehodu med generacijama zanemarljivo; Levenshteinova razdalja je s približno 100 ms na generacijo za prikaz v realnem času neuporabna.
|
||
|
||
Dveh mer nismo testirali:
|
||
|
||
- *Jaccardov indeks* deluje nad množicami unikatnih vrednosti, genom pa je zaporedje, v katerem ista vrednost na dveh različnih mestih pomeni dve različni lastnosti slike. Popolno ujemanje množic zato ne bi pomenilo, da sta sliki enaki.
|
||
- *Needleman-Wunschev algoritem* vrne oceno poravnave, ki je odvisna od izbire kazni in nagrad in nima nevtralne zgornje meje, zato je ni mogoče neposredno prikazati kot odstotek.
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= Google Play Store
|
||
Da lahko objavimo aplikacijo na Google Play Store, potrebujemo Play Console razvijalski račun @web_google_play_console. Koraki za izdelavo računa so zelo enostavni: vpiši potrebne podatke, sprejmi razvojni sporazum in plačaj registracijo. Naši problemi so se začeli z vnosom podatkov, saj niso hoteli sprejeti naše telefonske številke, ker je niso mogli preveriti, ko pa smo sledili korakom za odstranjevaje težav, ki so bili večinoma samo _počakajte en dan in poskusite ponovno_, še vedno ni delovalo. Nato smo kontaktirali njihovo pomoč, ki so nam vrnili podoben odgovor, da naj čakamo. Po tem smo obupali in uporabili drugo telefonsko številko.
|
||
|
||
V naslednjih korakih moramo naložiti zapakirano aplikacijo, dodati opis applikacije, slike delovanja in politiko varstva osebnih podatkov (@privacy_policy). Po tem moramo spraviti aplikacijo čez notranje testiranje, ki je zelo nespecificirano. Generalna ideja naj bi bila, da potrebujemo 12 testerjev, ki naj bi uporabljali aplikacijo vsaj 12 dni, nikjer pa ni omenjeno, koliko časa na dan morajo uporabljati aplikacijo, da se šteje. Par tednov smo s prijatelji poskušali ugotoviti, kdaj postaneš aktiven, ampak smo bili brez uspeha. Nato smo se odločili, da bi pogledali po internetu, kako ta problem rešujejo ostali. Našli smo dve rešitvi. Prva zastonj rešitev je nekaj forumov na spletu, kjer ljudje objavljajo svoje aplikacije in ideja je, da si med sabo pomagajo s tem, da testirajo aplikacije drug drugega. Druga plačljiva, rešitev za katero smo se odločili, je, da najamemo testerja za pribljižno 20 €. S testerjem smo se zmenili, kaj potrebujemo, in po izmenjavi potrebnih podatkv je po dveh tednih aplikacija testirana in lahko nadaljuje na zadnji pregled pred objavo.
|
||
|
||
Ob zadnjem pregledu je postalo zelo naporno. Opis naše aplikacije je navdihnil opis aplikacije Tinder, saj sta aplikaciji konceptno zelo podobni (@zacetni_opis). Takrat so pri Googlu začeli natančno pregledovati aplikacijo, ker do takrat je bilo vsakič, ko smo poslali aplikacijo v pregled, vse odobreno do naslednjega dne, tokrat pa je trajalo nekaj tednov. Njihov odgovor je bil, da opis naše aplikacije ni primeren in krši pravila, čeprav je bil zelo podoben Tindrovemu. Pri tem smo ugotovili, da se je ekipa, ki je to pregledovala, vedla precej pristransko. V skladu z navodili, ki so nam jih poslali, smo popravili vse kršitve pravil. Tako se je ponovilo še nekajkrat, kar je skupaj trajalo skoraj štiri mesece. Zadnja verzija je @koncni_opis.
|
||
|
||
Po vsem tem je aplikacija končno objavljena na Play Store @web_google_treender.
|
||
|
||
|
||
#figure(caption: [Začetni opis])[
|
||
#set align(left)
|
||
|
||
*ROOT FOR LOVE, BRANCH OUT & LEAF A MARK. IT ALL STARTS WITH A SWIPE.*
|
||
|
||
With countless matches and growing, Treender is the top free app for tree enthusiasts and nature lovers. Whether you're looking for a leafy companion, a blossoming friendship, or a deep-rooted relationship, Treender is the place to connect with fellow tree admirers. Our app offers leading safety features to ensure you can explore your love for trees safely.
|
||
|
||
*Come As You Are: Whether you're a mighty oak, a graceful willow, or a playful pine, be true to your roots and find your perfect match.*
|
||
|
||
*Branch Out: Share your interests and discover more about your matches to start meaningful conversations.*
|
||
|
||
*Seek What You're Looking For: Set your relationship goals and find your perfect tree mate on your terms.*
|
||
]<zacetni_opis>
|
||
|
||
#line()
|
||
|
||
#figure(caption: [Končni opis])[
|
||
#set align(left)
|
||
|
||
Welcome to Treender, an innovative undergraduate thesis project that combines the fun of swiping with the beauty of fractal trees. Dive into a world where fractal trees become your potential matches, and your swipes shape their evolution.
|
||
|
||
How It Works:
|
||
|
||
- Swipe Right to Like: Admire a fractal tree? Swipe right to like it and watch it evolve based on your preferences.
|
||
- Swipe Left to Pass: Not feeling a connection? Swipe left to pass and continue your journey through the forest of possibilities.
|
||
- Evolve Your Matches: As you interact with the trees, they adapt and grow, reflecting your unique tastes and preferences.
|
||
- Aim for Perfection: Your goal is to get your match percentage as close to 100% as possible, creating a personalized fractal tree that's uniquely yours.
|
||
|
||
]<koncni_opis>
|
||
|
||
#pagebreak()
|
||
|
||
#text(size: 18pt, weight: "bold")[PRIVACY POLICY]
|
||
|
||
At Treender, we are committed to protecting your privacy and ensuring the security of any data we collect. This Privacy Policy outlines our practices regarding the collection, use, and protection of user data.
|
||
|
||
#text(size: 16pt, weight: "bold")[1 Data Collection]
|
||
|
||
#text(size: 14pt)[1.1 Sensitive Data]
|
||
|
||
Our service/application does not collect any sensitive data about users. Sensitive data includes, but is not limited to:
|
||
|
||
- Personal information (e.g., names, addresses, phone numbers, email addresses)
|
||
- Financial data (e.g., credit card numbers, bank account details)
|
||
- Health information (e.g., medical records, health status)
|
||
|
||
#text(size: 14pt)[1.2 Non-Sensitive Data]
|
||
|
||
Any non-sensitive data collected by Treender is used solely for the purpose of improving our service. This may include:
|
||
|
||
- Usage statistics
|
||
- Performance metrics
|
||
- Anonymous feedback
|
||
|
||
#text(size: 16pt, weight: "bold")[2 Data Sharing]
|
||
|
||
We do not share user data with third parties. Your data remains confidential and is used only to enhance your experience with Treender.
|
||
|
||
#text(size: 16pt, weight: "bold")[3 Security Measures]
|
||
|
||
We take the following security measures to protect any data we collect:
|
||
|
||
- *Access Controls*: Strict access controls are in place to ensure that only authorized personnel can access user data.
|
||
- *Secure Storage*: Data is stored in secure servers with robust physical and digital security measures.
|
||
|
||
#text(size: 16pt, weight: "bold")[4 User Rights]
|
||
|
||
You have the following rights regarding your data:
|
||
|
||
- *Access*: You can request access to the data we hold about you.
|
||
- *Correction*: You can request that we correct any inaccuracies in your data.
|
||
- *Deletion*: You can request that we delete your data from our systems.
|
||
- *Objection*: You can object to the processing of your data for specific purposes.
|
||
|
||
#text(size: 16pt, weight: "bold")[5 Contact Information]
|
||
|
||
If you have any questions or concerns about our Privacy Policy or the data we collect, please contact us at:
|
||
|
||
*Email*: email
|
||
|
||
We value your privacy and are committed to protecting your data. Thank you for using Treender.
|
||
|
||
#line(length: 100%)
|
||
|
||
This Privacy Policy is effective as of February 26, 2025. We reserve the right to update this policy as needed to reflect changes in our practices or legal requirements.
|
||
|
||
#figure(caption: [Privacy Policy])[]<privacy_policy>
|
||
#pagebreak()
|
||
|
||
= UPORABNIŠKE IZKUŠNJE
|
||
|
||
Po tem, ko smo objavili aplikacijo na Play Store, smo prosili prijatelje in sodelavce, naj poskusijo aplikacijo. Med uporabo so naleteli na nekaj pričakovanih in nepričakovanih problemov.
|
||
|
||
== Ni intuitivno, kako uprabljati aplikacijo
|
||
Uporabnikom ni bilo jasno, kako uporabiti aplikacijo, ni jim bilo, jasno da lahko povlečejo sliko levo ali desno, da označijo, ali jim je všeč ali ne. Da rešimo to, lahko ob prvem zagonu aplikacije prikažemo animacijo, kako lahko premikajo sliko po zaslonu.
|
||
|
||
== Nepričakovani rezultati
|
||
Po razlagi, kako uporabljati aplikacijo, jim ni bilo jasno, zakaj niso videli nobenih sprememb na drevesih in v rezultatu podobnosti. Tukaj je glavni problem majhno število vzorcev na generacijo (trenutno 16); s tem težko izločimo, kaj je uporabniku všeč. Med testiranjem nam večje število vzorcev ni bilo všeč, ker predolgo traja, da pridemo skozi generacijo in vidimo spremembe.Ker smo vedeli kako deluje algoritem, med izdelavo aplikacije te nismo uporabljali kot uporabnik. Namesto da bi izbirali videz celotne slike, smo izbirali specifične lastnosti na slikah. Nekaterim uporabnikom je to vspelo ugotoviti in so s tem ustvarili precej lepe slike.
|
||
|
||
== Moteč rezultat podobnosti
|
||
Nekaj uporabnikov nam je sporočilo da jih je motilo, da jim ni uspelo doseči 100 % podobnosti. Da lahko to rešimo, bi mogoče lahko uporabili kak drugačen algoritem ali pa bi lahko preslikali rezultat, da se vsaka vrednost nad 85 % prikaže kot 100 %.
|
||
|
||
== Zgodovina
|
||
Uporabniki so želeli zgodovino. To bi bilo dokaj enostavno dodati, saj hranimo celotno stanje aplikacije v sistemu, da lahko stanje preživi izklop aplikacije ampak se med izdelavo nismo spomnili, da bi dodali zgodovino.
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= IZKUŠNJE
|
||
Izkušnje, ki smo jih pridobili med izdelavo aplikacije.
|
||
|
||
== Strežnik in podatkovna baza
|
||
Med izdelavo aplikacije smo izdelali _sistem strežnik in odjemalec_, da smo lahko pridobili podatke o uporabnikih in njihovih preferencah. To nas je naučilo nekaj stvari.
|
||
|
||
- Omeji število prejetih podatkov na povezavo, da senemore nekdo samo povezati in začeti pošiljati naključnih podatkov.
|
||
- Omeji, kdo se lahko poveže z uporabo nekega skrivnostnega ključa ali z registracijo.
|
||
- Uporabi prepovedni sistem, če se odjemalec ne obnaša lepo mu prepovej povezavo na strežnik.
|
||
- Med filtriranjem podatkov v podatkovni bazi nikoli ne briši samo označi, da je izbrisano.
|
||
- Naj odjemalec pošlje vse podatke na enkrat.
|
||
- Imej paritetne kode
|
||
|
||
Naš sistem je bil tako narejen, da je imel vsak odjemalec skrivno številko, ki jo je uporabil pri komunikaciji, ampak smo še vedno naleteli na to, da se je lahko nekdo naključno povezal na strežnik in je zadel število, in ker nismo imeli dobre filtracije podatkov, se je vse, kar nam je poslal, direktno shranjevalo v bazo. Bilo bi dobro, da imamo paritetne kode na koncu sporočila, da vemo, ali je sporočilo validno. Ko nam je zlonamerni odjemalec napolnil bazo, smo se odločili, da bomo odstranili vse podatke, ki ne sledijo pravilni evoluciji, in ker smo imeli napako v kodi, smo zbrisali celotno bazo podatkov. Med testiranjem smo našli tudi par primerov, kjer se sporočila niso prenesla v celoti.
|
||
|
||
#pagebreak()
|
||
== Gradilni sistem
|
||
Začeli smo z enostavno Makefile datoteko, kjer smo vse enostavno kompilirali skupaj.
|
||
|
||
```Makefile
|
||
gcc -c raylib.c -o raylib.o
|
||
g++ -c main.cpp -o main.o
|
||
g++ main.o raylib.o -o main
|
||
```
|
||
|
||
To je čez čas postalo kar naporno za upravljanje, ko se je število datotek povečevalo in razvijali smo na dveh operacijskih sistemih (Linux in Windows). Potem smo naredili največjo napako. Navdihnil nas je tsoding nob.h @git_nob in odločili smo se da, bomo napisali svojo skripto za gradnjo, ki bo pravilno izbrala pravi prevajalnik g++ za Linux in zig c++ za Windows. To je delovalo precej dobro, vendar smo sčasoma več časa porabili za skripto kot za naš projekt.
|
||
|
||
Prišlo je do točke, kjer:
|
||
- je skripta lahko izvajala ukaze,
|
||
- preverjala, če se je skripta spremenila, in se je nato sama ponovno zgradila,
|
||
- smo lahko dodali inkrementalno gradnjo projekta,
|
||
- je skripta lahko prenesla in kompilirala raylib,
|
||
- smo na koncu celo lahko dodali, da lahko skompilira vse datoteke v direktoriju.
|
||
|
||
Nato smo morali dodati še gradnjo enega programa, kar je bilo mogoče z našo skripto, vendar nas je motilo, koliko časa smo porabili za vzdrževanje skripte. Odločili smo se, da bomo poskusili CMake, ki je prvo gradnjo malo počasneje saj smo morali samo prenesti raylib in druge odvisnosti, vendar je bilo vse ostalo popolno in je preprosto delovalo.
|
||
|
||
|
||
|
||
#pagebreak()
|
||
|
||
= ZAKLJUČEK
|
||
|
||
V tej diplomski nalogi smo razvili aplikacijo Treender, ki uporabnikom omogoča interaktivno vodenje evolucije fraktalnih dreves z uporabo genetskih algoritmov in preprostih uporabniških gest. Cilj projekta je bil raziskati, kako lahko kombinacija algoritmov in uporabniških ocen ustvarja osebne in dinamične izkušnje.
|
||
|
||
Za razvoj smo uporabljali tehnologije, kot so C++, Raylib in SQLite3, ki so omogočile učinkovito delovanje in vizualizacijo. Ključni izziv je bila optimizacija algoritmov za generiranje in risanje dreves, ki smo ga rešili z risanjem na teksturo in omejevanjem števila risalnih klicev. Ugotovili smo, da je pomembno, da je uporabniški vmesnik intuitiven, saj so uporabniki na začetku težko razumeli osnovne funkcije, kot je ocenjevanje z vlečenjem slike.
|
||
|
||
Za merjenje podobnosti med drevesi smo izbrali Hammingovo razdaljo, ker se računa neposredno nad genomom, pokrije celoten razpon od 0 % do 100 % in je dovolj hitra za izračun ob vsaki novi generaciji. Pri tem smo ugotovili, da ta količina ne meri všečnosti, ampak konvergenco populacije, torej to, kako zelo se je uporabnikova izbira zožila. Prav zato jo je mogoče uporabiti tudi kot diagnostiko postopka: iz poteka krivulje je razvidno, katera veja tvorjenja nove generacije se je izvedla in kako močno je vplivala na populacijo. Objava aplikacije na Google Play Store je zahtevala prilagoditve opisa in politike zasebnosti, da smo ustrezali zahtevam platforme.
|
||
|
||
Projekt je dosegel zastavljene cilje: uporabnikom omogoča, da s 16 potezami na generacijo usmerjajo videz fraktalnih dreves, ne da bi morali svoj okus opisati z besedami ali nastavljati parametre. Hkrati je pokazal tudi omejitve izbrane zasnove. Za nadaljnje delo se kot najbolj obetavni kažejo štirje koraki:
|
||
|
||
#pagebreak()
|
||
|
||
#bibliography("citations.bib", title: [VIRI IN LITERATURA], style: "ieee.csl")
|
||
|