Comparación de métodos de optimización para la generación de horarios para personal de enfermería

La organización de personal de enfermería es un problema de optimización que se ha estudiado ampliamente en las últimas 4 décadas desde la computación en diversas formas. Una de las formas de trabajo que se ha presentado es la utilización de inteligencia artificial para la búsqueda de soluciones ópt...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/31620
Acceso en línea:
https://doi.org/10.48713/10336_31620
https://repository.urosario.edu.co/handle/10336/31620
Palabra clave:
Algoritmos Genéticos
Recocido Simulado
Búsqueda por Cardumen de Peces
Problemas de programación de Horarios
Ciencias médicas, Medicina
Ingeniería & operaciones afines
Genetic algorithms
fishing school search algorithm
Simulated Annealing
Scheduling problems.
Ciencias médicas, Medicina
Rights
License
Atribución-NoComercial-CompartirIgual 2.5 Colombia
id EDOCUR2_d8970d7cbd5e9c48261e8c459f02e854
oai_identifier_str oai:repository.urosario.edu.co:10336/31620
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.spa.fl_str_mv Comparación de métodos de optimización para la generación de horarios para personal de enfermería
dc.title.TranslatedTitle.spa.fl_str_mv Comparison of optimization methods for the generation of schedules for nursing personnel
title Comparación de métodos de optimización para la generación de horarios para personal de enfermería
spellingShingle Comparación de métodos de optimización para la generación de horarios para personal de enfermería
Algoritmos Genéticos
Recocido Simulado
Búsqueda por Cardumen de Peces
Problemas de programación de Horarios
Ciencias médicas, Medicina
Ingeniería & operaciones afines
Genetic algorithms
fishing school search algorithm
Simulated Annealing
Scheduling problems.
Ciencias médicas, Medicina
title_short Comparación de métodos de optimización para la generación de horarios para personal de enfermería
title_full Comparación de métodos de optimización para la generación de horarios para personal de enfermería
title_fullStr Comparación de métodos de optimización para la generación de horarios para personal de enfermería
title_full_unstemmed Comparación de métodos de optimización para la generación de horarios para personal de enfermería
title_sort Comparación de métodos de optimización para la generación de horarios para personal de enfermería
dc.contributor.advisor.none.fl_str_mv Orjuela Cañón, Alvaro David
dc.contributor.gruplac.spa.fl_str_mv GiBiome
dc.subject.spa.fl_str_mv Algoritmos Genéticos
Recocido Simulado
Búsqueda por Cardumen de Peces
Problemas de programación de Horarios
topic Algoritmos Genéticos
Recocido Simulado
Búsqueda por Cardumen de Peces
Problemas de programación de Horarios
Ciencias médicas, Medicina
Ingeniería & operaciones afines
Genetic algorithms
fishing school search algorithm
Simulated Annealing
Scheduling problems.
Ciencias médicas, Medicina
dc.subject.ddc.spa.fl_str_mv Ciencias médicas, Medicina
Ingeniería & operaciones afines
dc.subject.keyword.spa.fl_str_mv Genetic algorithms
fishing school search algorithm
Simulated Annealing
Scheduling problems.
dc.subject.lemb.spa.fl_str_mv Ciencias médicas, Medicina
description La organización de personal de enfermería es un problema de optimización que se ha estudiado ampliamente en las últimas 4 décadas desde la computación en diversas formas. Una de las formas de trabajo que se ha presentado es la utilización de inteligencia artificial para la búsqueda de soluciones óptimas a partir de la definición de restricciones, periodos de tiempo a organizar y cantidad de personal disponible para cubrir las necesidades de los distintos planteles sobre los que se puede aplicar este tipo de actividades. Para el desarrollo de este documento se realizó una búsqueda de los métodos de IA en los que el campo de la salud se ha apoyado ampliamente para solucionar distintas problemáticas que implican la optimización de recursos para garantizar el mejor funcionamiento que sea posible, métodos entre los cuales se encuentran los Algoritmos Genéticos, el Recocido Simulado y algunas variantes de inteligencias de enjambre como la Búsqueda por Cardumen de Peces, métodos con los que se desarrollaron algoritmos para dar solución a un problema de optimización de personal de enfermería y posteriormente se compararon sus eficiencias en función del tiempo que requiere a cada uno de los modelos para llegar a soluciones que sean aplicables en un ámbito de trabajo real.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-06-16T15:20:21Z
dc.date.available.none.fl_str_mv 2021-06-16T15:20:21Z
dc.date.created.none.fl_str_mv 2021-05-27
dc.type.eng.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.spa.fl_str_mv Trabajo de grado
dc.type.spa.spa.fl_str_mv Trabajo de grado
dc.identifier.doi.none.fl_str_mv https://doi.org/10.48713/10336_31620
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/31620
url https://doi.org/10.48713/10336_31620
https://repository.urosario.edu.co/handle/10336/31620
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv Atribución-NoComercial-CompartirIgual 2.5 Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.spa.fl_str_mv Abierto (Texto Completo)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
rights_invalid_str_mv Atribución-NoComercial-CompartirIgual 2.5 Colombia
Abierto (Texto Completo)
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.spa.fl_str_mv 42 pp.
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad del Rosario
dc.publisher.department.spa.fl_str_mv Escuela de Medicina y Ciencias de la Salud
dc.publisher.program.spa.fl_str_mv Ingeniería Biomédica
institution Universidad del Rosario
dc.source.bibliographicCitation.spa.fl_str_mv F. S. Palma, S. V. Süazo y O. S. Alvarado, «EL TRABAJO DEL PROFESIONALDE ENFERMERÍA: REVISIÓN DE LA LITERATURA,»Ciencia y enfermería, n.o2,2015.doi:http://dx.doi.org/10.4067/S0717-95532015000200002.
O. del Carmen De Arco-Canoles y Z. K. Suarez-Calle, «Rol de los profesionales deenfermería en el sistema de salud colombiano,»Universidad y salud, n.o2, 2018.doi:https://doi.org/10.22267/rus.182002.121.
A. Wren, «Scheduling, Timetabling and Rostering - A Special Relationship?»Interna-tional Conference on the Practice and Theory of Automated Timetabling, págs. 46-75,1996.doi:https://doi.org/10.1007/3-540-61794-9_51.
D. M. Warner, «Scheduling Nursing Personnel According to Nursing Preference: AMathematical Programming Approach,»Operations Research, n.o5, págs. 842-856,1976.doi:http://dx.doi.org/10.1287/opre.24.5.842.
F. Seguel y S. Valenzuela, «Relación entre la fatiga laboral y el síndrome burnouten personal de enfermería de centros hospitalarios,»Enfermería universitaria, n.o4,págs. 119-127, 2014.
A. Fernández-Sánchez, A. Juárez-García, F. Arias-Galicia y M. E. González-Zermeño,«Agotamiento profesional en personal de enfermería su relación con variables demográ-ficas y laborales,»Revista de Enfermería del Instituto Mexicano del Seguro Social, n.o1,págs. 15-22, 2010
R. R. Gonzales, Y. R. Doval y O. M. Pérez, « Estrés Laboral, consideraciones sobre suscaracterísticas y formas de afrontamiento,»Revista Internacional De Psicología, n.o1,págs. 1-19, 2002.doi:https://doi.org/10.33670/18181023.v3i01.13.
S. Çelik, N. Taşdemir, A. Kurt, E. İlgezdi y Ö. Kubalas, «Fatigue in Intensive Care Nur-ses and Related Factors,»the international journal of occupational and environmentalmedicine, n.o4, págs. 199-206, 2017.doi:10.15171/ijoem.2017.1137.
M. E. S. Meza y G. M. Moré, «Errores de enfermería en la administración de fármacosen unidades hospitalarias,» 2014.
P. Innocent y R. John, «Computer aided fuzzy medical diagnosis,»Information Scien-ces, n.o2, págs. 81-104, 2017.doi:https://doi.org/10.1016/j.ins.2004.03.003.
P. Johnson, L. Vandewater, W. Wilson y P. Maruff, «Genetic algorithm with logisticregression for prediction of progression to Alzheimer’s disease,»BMC Bioinformatics,S11, 2014.doi:10.1186/1471-2105-15-S16-S11.
A. S. Miller, B. H. Blott y T. K. hames, «Review of neural network applications inmedical imaging and signal processing,» págs. 449-464, 1992.doi:https://doi.org/10.1007/BF02457822.
L. T. Merlot, N. Boland, B. D. Hughes y P. J. Stuckey, «A Hybrid Algorithm forthe Examination Timetabling Problem,»International Conference on the Practice andTheory of Automated Timetabling, págs. 207-231, 2003.doi:10.1007/978-3-540-45157-0_14.
Z. Jin y F. Teng, «Research of Genetic Algorithm in the Medical Logistics DistributionRouting Optimization,»Second International Conference on Intelligent ComputationTechnology and Automation, 2009.doi:10.1109/icicta.2009.116.
T. Vidal, T. G. Crainic, M. Gendreau y C. Prins, «A hybrid genetic algorithm withadaptive diversity management for a large class of vehicle routing problems with time-windows,»Computers Operations Research, n.o1, págs. 475-489, 2013.doi:10.1016/j.cor.2012.07.018.
C. Catania, C. Zanni-Merk, F. de Bertrand de Beuvron y P. Collet, «A Multi ObjectiveEvolutionary Algorithm for Solving a Real Health Care Fleet Optimization Problem,»Procedia Computer Science, págs. 256-265, 2015.doi:10.1016/j.procs.2015.08.125.
H. Kawanaka, K. Yamamoto, T. Yoshikawa, T. Shinogi y S. Tsuruoka, «Genetic al-gorithm with the constraints for nurse scheduling problem,»Proceedings of the 2001Congress on Evolutionary Computation (IEEE Cat. No.01TH8546), págs. 1123-1130,2001.doi:10.1109/CEC.2001.934317.
S. Kundu, M. Mahato, B. Mahanty y S. Acharyya, «Comparative Performance of Simu-lated Annealing and Genetic Algorithm in Solving Nurse Scheduling Problem,»LectureNotes in Engineering and Computer Science, págs. 19-21, 2008.
G. Du, Z. Jiang, Y. Yao y X. Diao, «Clinical Pathways Scheduling Using Hybrid GeneticAlgorithm,»Journal of Medical Systems, n.o9945, 2013.doi:https://doi.org/10.1007/s10916-013-9945-4.
R. Patel, I. M. L. Jr. y M. E. Halloran, «Finding optimal vaccination strategies forpandemic influenza using genetic algorithms,»Journal of Theoretical Biology, n.o2,págs. 201-212, 2005.doi:https://doi.org/10.1016/j.jtbi.2004.11.032
G. A. Ezzell y L. Gaspar, «Application of a genetic algorithm to optimizing radia-tion therapy treatment plans for pancreatic carcinoma,»Medical Dosimetry, n.o2,págs. 93-97, 2000.doi:https://doi.org/10.1016/S0958-3947(00)00035-2.
L. Zhang, F. C. Chang y R. Xu, «The Patient Admission Scheduling of an OphthalmicHospital Using Genetic Algorithm,»Proceedings of the 2012 2nd International Confe-rence on Computer and Information Application (ICCIA 2012), págs. 1-7, 2012.doi:https://doi.org/10.2991/iccia.2012.1.
C. S. Moreno y F. Castaño, «Evaluación de reglas de prioridad para la programaciónde cirugías en ambientes con limitada disponibilidad de recursos,»Scientia et technica,n.o1, págs. 58-67, 2018.doi:https://doi.org/10.22517/issn.2344-7214.
S. webb, «Optimisation of conformal radiotherapy dose distributions by simulated an-nealing,»Physics in Medicine and Biology, n.o10, págs. 1349-1370, 1989.doi:10.1088/0031-9155/34/10/002.
S. M. Morrill, R. G. Lane e I. I. Rosen, «Treatment planning optimization using cons-trained simulated annealing,»Physics in Medicine Biology, n.o10, págs. 1341-1361,1991.doi:10.1088/0031-9155/36/10/004
F. Hu, M. Wang, Y. Zhu, J. Liu e Y. Jia, «A time simulated annealing-back propagationalgorithm and its application in disease prediction,»Modern Physics Letters B, n.o25,2018.doi:10.1142/s0217984918503037.
S. N. Kumar, A. L. Fred y P. S. Varghese, «Compression of CT Images using ContextualVector Quantization with Simulated Annealing for Telemedicine Application,»Journalof Medical Systems, n.o48, 2018.doi:https://doi.org/10.1007/s10916-018-1090-7.
J. Kennedy y R. Eberhart, «Particle swarm optimization,»Proceedings of ICNN’95-international conference on neural networks, págs. 1942-1948, 1995.doi:10.1109/mhs.1995.494215
G. M.Jaradat, A. Al-Badareen, M. Ayob, M. Al-Smadi, I. Al-Marashdeh, M. Ash-Shuqran y E. Al-Odat, «Hybrid Elitist-Ant System for Nurse-Rostering Problem,»Jour-nal of King Saud University – Computer and Information Sciences, n.o3, págs. 378-384,2019.doi:https://doi.org/10.1016/j.jksuci.2018.02.009.
L. Altamirano, M. Riff y L. Trilling, «A PSO algorithm to solve a real anaesthesio-logy nurse scheduling problem,»2010 International Conference of Soft Computing andPattern Recognition, 2010.doi:10.1109/SOCPAR.2010.5685868.
P.-C. Chang, J.-J. Lin y C.-H. Liu, «An attribute weight assignment and particle swarmoptimization algorithm for medical database classifications,»Computer Methods andPrograms in Biomedicine, n.o3, págs. 382-392, 2012.doi:https://doi.org/10.1016/j.cmpb.2010.12.004.
C. B. Filho, F. de Lima Neto, A. Lins, A. I. Nascimento y d Marília P. Lima, «FishSchool Search,»Nature-Inspired Algorithms for Optimisation, págs. 261-277, 2009.doi:https://doi.org/10.1007/978-3-642-00267-0_9.
A. Ernst, H. Jiang, M. Krishnamoorthy y, «Staff scheduling and rostering: A review ofapplications, methods and models,»European Journal of Operational Research, n.o1,págs. 3-27, 2004.
G. M. B. Nicho, «PLANIFICACIÓN DE HORARIOS DEL PERSONAL DE CIRU-GÍA DE UN HOSPITAL DEL ESTADO APLICANDO ALGORITMOS GENÉTICOS(TIME TABLING PROBLEM),»PONTIFICIA UNIVERSIDAD CATÓLICA DELPERÚ FACULTAD DE CIENCIAS E INGENIERÍA, 2010.
S. E. Haupt, «Introduction to Genetic Algorithms,»Artificial Intelligence Methods inthe Environmental Sciences, págs. 103-125, 2009.doi:.https://doi.org/10.1007/978-1-4020-9119-3_5.
K. Y. Lee y M. A. El-Sharkawi, «Fundamentals of genetic algorithms,»MODERN HEU-RISTIC OPTIMIZATION TECHNIQUES: THEORY AND APPLICATIONS TO PO-WER SYSTEMS (IEEE PRESS SERIES ON POWER ENGINEERING), págs. 25-42,2008
M. Mitchell, «An Introduction to Genetic Algorithms,»Complex Adaptive Systems fromMIT press, capitulo 2, 1996.
M. B. M. Batista, J. A. M. Pérez y J. M. M. Vega, «Algoritmos Genéticos. Una visiónpráctica,»Números: Revista de didáctica de las matemáticas (Ejemplar dedicado a:Darwin), n.o71, pág. 4, 2009.
K. Dowsland y A. Díaz, «Diseño de heurísticas y fundamentos del recocido simulado,»Handbook of Natural Computing, n.o19, págs. 93-101, 2003
K. A. Dowsland y J. M. Thompson, «Simulated Annealing,»Handbook of NaturalComputing, págs. 1623-1655, 2012.doi:https://doi.org/10.1007/978-3-540-92910-9_49.
W. Odziemczyk, «Application of simulated annealing algorithm for 3D coordinate trans-formation problem solution,»Open Geosciences, vol. 12, págs. 491-502, jul. de 2020.doi:10.1515/geo-2020-0038.
H. E. Romeijn y R. L. Smith, «Simulated Annealing and Adaptive Search in Glo-bal Optimization,»Probability in the Engineering and Informational Sciences, n.o4,págs. 571-590, 1994.doi:https://doi.org/10.1017/S0269964800003624
R. C. Eberhart e Y. Shi, «Particle Swarm Optimization: Developments, Applications andResources,»2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546),2001.doi:10.1109/cec.2001.934374.
I. Atsuko y N. Akira, «A subproblem-centric model and approach to the nurse schedulingproblem,»Mathematical Programming, n.o3, págs. 517-541, 2003.doi:10.1007/s10107-003-0426-2.
K. Candotti, D. Mavares y R. Velásquez, «Comparación de métodos metaheurísticos deoptimización: recocido simulado, algoritmos genéticos y búsqueda del cuco.,»Universi-dad, Ciencia y Tecnología, n.o71, 2014
A. Ghaher, S. Shoar, M. Naderan y S. S. Hoseini, «The Applications of Genetic Algo-rithms in Medicine,»Oman Medical Journal, n.o6, págs. 406-416, 2015.doi:10.5001/omj.2015.82.
dc.source.instname.spa.fl_str_mv instname:Universidad del Rosario
instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/2fc04a1f-b011-4d2d-9d66-5b3ae82de931/download
https://repository.urosario.edu.co/bitstreams/e7c95007-5b38-4c05-a2f1-32b2433f8b3d/download
https://repository.urosario.edu.co/bitstreams/f4698b02-9066-40cc-b17b-db1602141376/download
https://repository.urosario.edu.co/bitstreams/7bf296fd-d18a-4f9f-ba01-448a3b9bb39f/download
https://repository.urosario.edu.co/bitstreams/0d31a49c-8f03-4d11-9da1-f1aa618cebac/download
bitstream.checksum.fl_str_mv 67cb447c50ed7877c3b890227c726dcc
0002aaeae21735e4a9eb6a69ba126e42
0bb901fdf75c365dc620050419d76e2f
fab9d9ed61d64f6ac005dee3306ae77e
1487462a1490a8fc01f5999ce7b3b9cc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167432816754688
spelling Orjuela Cañón, Alvaro David80030377600GiBiomeCastrillón Rodríguez, Johan AlejandroIngeniero BiomédicoFull time23656219-379e-41d1-8607-a67b44a56bac6002021-06-16T15:20:21Z2021-06-16T15:20:21Z2021-05-27La organización de personal de enfermería es un problema de optimización que se ha estudiado ampliamente en las últimas 4 décadas desde la computación en diversas formas. Una de las formas de trabajo que se ha presentado es la utilización de inteligencia artificial para la búsqueda de soluciones óptimas a partir de la definición de restricciones, periodos de tiempo a organizar y cantidad de personal disponible para cubrir las necesidades de los distintos planteles sobre los que se puede aplicar este tipo de actividades. Para el desarrollo de este documento se realizó una búsqueda de los métodos de IA en los que el campo de la salud se ha apoyado ampliamente para solucionar distintas problemáticas que implican la optimización de recursos para garantizar el mejor funcionamiento que sea posible, métodos entre los cuales se encuentran los Algoritmos Genéticos, el Recocido Simulado y algunas variantes de inteligencias de enjambre como la Búsqueda por Cardumen de Peces, métodos con los que se desarrollaron algoritmos para dar solución a un problema de optimización de personal de enfermería y posteriormente se compararon sus eficiencias en función del tiempo que requiere a cada uno de los modelos para llegar a soluciones que sean aplicables en un ámbito de trabajo real.The organization of nursing staff is an optimization problem that has been studied extensively in the last 4 decades since computing in various ways. One of the forms of work that has been presented is the use of artificial intelligence to find optimal solutions from the definition of restrictions, periods of time to organize and the amount of personnel available to cover the needs of the different schools on the that you can apply these types of activities. For the development of this document, a search was carried out for AI methods in which the health field has relied widely to solve different problems that involve optimizing resources to guarantee the best possible operation, methods among which are the Genetic Algorithms, the Simulated Annealing, and some variants of swarm intelligence such as the Search by School of Fish, methods with which algorithms were developed to solve a problem of optimization of nursing personnel and their efficiencies were subsequently compared in depending on the time required for each of the models to arrive at solutions that are applicable in a real work environment.42 pp.application/pdfhttps://doi.org/10.48713/10336_31620 https://repository.urosario.edu.co/handle/10336/31620spaUniversidad del RosarioEscuela de Medicina y Ciencias de la SaludIngeniería BiomédicaAtribución-NoComercial-CompartirIgual 2.5 ColombiaAbierto (Texto Completo)EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.http://creativecommons.org/licenses/by-nc-sa/2.5/co/http://purl.org/coar/access_right/c_abf2F. S. Palma, S. V. Süazo y O. S. Alvarado, «EL TRABAJO DEL PROFESIONALDE ENFERMERÍA: REVISIÓN DE LA LITERATURA,»Ciencia y enfermería, n.o2,2015.doi:http://dx.doi.org/10.4067/S0717-95532015000200002.O. del Carmen De Arco-Canoles y Z. K. Suarez-Calle, «Rol de los profesionales deenfermería en el sistema de salud colombiano,»Universidad y salud, n.o2, 2018.doi:https://doi.org/10.22267/rus.182002.121.A. Wren, «Scheduling, Timetabling and Rostering - A Special Relationship?»Interna-tional Conference on the Practice and Theory of Automated Timetabling, págs. 46-75,1996.doi:https://doi.org/10.1007/3-540-61794-9_51.D. M. Warner, «Scheduling Nursing Personnel According to Nursing Preference: AMathematical Programming Approach,»Operations Research, n.o5, págs. 842-856,1976.doi:http://dx.doi.org/10.1287/opre.24.5.842.F. Seguel y S. Valenzuela, «Relación entre la fatiga laboral y el síndrome burnouten personal de enfermería de centros hospitalarios,»Enfermería universitaria, n.o4,págs. 119-127, 2014.A. Fernández-Sánchez, A. Juárez-García, F. Arias-Galicia y M. E. González-Zermeño,«Agotamiento profesional en personal de enfermería su relación con variables demográ-ficas y laborales,»Revista de Enfermería del Instituto Mexicano del Seguro Social, n.o1,págs. 15-22, 2010R. R. Gonzales, Y. R. Doval y O. M. Pérez, « Estrés Laboral, consideraciones sobre suscaracterísticas y formas de afrontamiento,»Revista Internacional De Psicología, n.o1,págs. 1-19, 2002.doi:https://doi.org/10.33670/18181023.v3i01.13.S. Çelik, N. Taşdemir, A. Kurt, E. İlgezdi y Ö. Kubalas, «Fatigue in Intensive Care Nur-ses and Related Factors,»the international journal of occupational and environmentalmedicine, n.o4, págs. 199-206, 2017.doi:10.15171/ijoem.2017.1137.M. E. S. Meza y G. M. Moré, «Errores de enfermería en la administración de fármacosen unidades hospitalarias,» 2014.P. Innocent y R. John, «Computer aided fuzzy medical diagnosis,»Information Scien-ces, n.o2, págs. 81-104, 2017.doi:https://doi.org/10.1016/j.ins.2004.03.003.P. Johnson, L. Vandewater, W. Wilson y P. Maruff, «Genetic algorithm with logisticregression for prediction of progression to Alzheimer’s disease,»BMC Bioinformatics,S11, 2014.doi:10.1186/1471-2105-15-S16-S11.A. S. Miller, B. H. Blott y T. K. hames, «Review of neural network applications inmedical imaging and signal processing,» págs. 449-464, 1992.doi:https://doi.org/10.1007/BF02457822.L. T. Merlot, N. Boland, B. D. Hughes y P. J. Stuckey, «A Hybrid Algorithm forthe Examination Timetabling Problem,»International Conference on the Practice andTheory of Automated Timetabling, págs. 207-231, 2003.doi:10.1007/978-3-540-45157-0_14.Z. Jin y F. Teng, «Research of Genetic Algorithm in the Medical Logistics DistributionRouting Optimization,»Second International Conference on Intelligent ComputationTechnology and Automation, 2009.doi:10.1109/icicta.2009.116.T. Vidal, T. G. Crainic, M. Gendreau y C. Prins, «A hybrid genetic algorithm withadaptive diversity management for a large class of vehicle routing problems with time-windows,»Computers Operations Research, n.o1, págs. 475-489, 2013.doi:10.1016/j.cor.2012.07.018.C. Catania, C. Zanni-Merk, F. de Bertrand de Beuvron y P. Collet, «A Multi ObjectiveEvolutionary Algorithm for Solving a Real Health Care Fleet Optimization Problem,»Procedia Computer Science, págs. 256-265, 2015.doi:10.1016/j.procs.2015.08.125.H. Kawanaka, K. Yamamoto, T. Yoshikawa, T. Shinogi y S. Tsuruoka, «Genetic al-gorithm with the constraints for nurse scheduling problem,»Proceedings of the 2001Congress on Evolutionary Computation (IEEE Cat. No.01TH8546), págs. 1123-1130,2001.doi:10.1109/CEC.2001.934317.S. Kundu, M. Mahato, B. Mahanty y S. Acharyya, «Comparative Performance of Simu-lated Annealing and Genetic Algorithm in Solving Nurse Scheduling Problem,»LectureNotes in Engineering and Computer Science, págs. 19-21, 2008.G. Du, Z. Jiang, Y. Yao y X. Diao, «Clinical Pathways Scheduling Using Hybrid GeneticAlgorithm,»Journal of Medical Systems, n.o9945, 2013.doi:https://doi.org/10.1007/s10916-013-9945-4.R. Patel, I. M. L. Jr. y M. E. Halloran, «Finding optimal vaccination strategies forpandemic influenza using genetic algorithms,»Journal of Theoretical Biology, n.o2,págs. 201-212, 2005.doi:https://doi.org/10.1016/j.jtbi.2004.11.032G. A. Ezzell y L. Gaspar, «Application of a genetic algorithm to optimizing radia-tion therapy treatment plans for pancreatic carcinoma,»Medical Dosimetry, n.o2,págs. 93-97, 2000.doi:https://doi.org/10.1016/S0958-3947(00)00035-2.L. Zhang, F. C. Chang y R. Xu, «The Patient Admission Scheduling of an OphthalmicHospital Using Genetic Algorithm,»Proceedings of the 2012 2nd International Confe-rence on Computer and Information Application (ICCIA 2012), págs. 1-7, 2012.doi:https://doi.org/10.2991/iccia.2012.1.C. S. Moreno y F. Castaño, «Evaluación de reglas de prioridad para la programaciónde cirugías en ambientes con limitada disponibilidad de recursos,»Scientia et technica,n.o1, págs. 58-67, 2018.doi:https://doi.org/10.22517/issn.2344-7214.S. webb, «Optimisation of conformal radiotherapy dose distributions by simulated an-nealing,»Physics in Medicine and Biology, n.o10, págs. 1349-1370, 1989.doi:10.1088/0031-9155/34/10/002.S. M. Morrill, R. G. Lane e I. I. Rosen, «Treatment planning optimization using cons-trained simulated annealing,»Physics in Medicine Biology, n.o10, págs. 1341-1361,1991.doi:10.1088/0031-9155/36/10/004F. Hu, M. Wang, Y. Zhu, J. Liu e Y. Jia, «A time simulated annealing-back propagationalgorithm and its application in disease prediction,»Modern Physics Letters B, n.o25,2018.doi:10.1142/s0217984918503037.S. N. Kumar, A. L. Fred y P. S. Varghese, «Compression of CT Images using ContextualVector Quantization with Simulated Annealing for Telemedicine Application,»Journalof Medical Systems, n.o48, 2018.doi:https://doi.org/10.1007/s10916-018-1090-7.J. Kennedy y R. Eberhart, «Particle swarm optimization,»Proceedings of ICNN’95-international conference on neural networks, págs. 1942-1948, 1995.doi:10.1109/mhs.1995.494215G. M.Jaradat, A. Al-Badareen, M. Ayob, M. Al-Smadi, I. Al-Marashdeh, M. Ash-Shuqran y E. Al-Odat, «Hybrid Elitist-Ant System for Nurse-Rostering Problem,»Jour-nal of King Saud University – Computer and Information Sciences, n.o3, págs. 378-384,2019.doi:https://doi.org/10.1016/j.jksuci.2018.02.009.L. Altamirano, M. Riff y L. Trilling, «A PSO algorithm to solve a real anaesthesio-logy nurse scheduling problem,»2010 International Conference of Soft Computing andPattern Recognition, 2010.doi:10.1109/SOCPAR.2010.5685868.P.-C. Chang, J.-J. Lin y C.-H. Liu, «An attribute weight assignment and particle swarmoptimization algorithm for medical database classifications,»Computer Methods andPrograms in Biomedicine, n.o3, págs. 382-392, 2012.doi:https://doi.org/10.1016/j.cmpb.2010.12.004.C. B. Filho, F. de Lima Neto, A. Lins, A. I. Nascimento y d Marília P. Lima, «FishSchool Search,»Nature-Inspired Algorithms for Optimisation, págs. 261-277, 2009.doi:https://doi.org/10.1007/978-3-642-00267-0_9.A. Ernst, H. Jiang, M. Krishnamoorthy y, «Staff scheduling and rostering: A review ofapplications, methods and models,»European Journal of Operational Research, n.o1,págs. 3-27, 2004.G. M. B. Nicho, «PLANIFICACIÓN DE HORARIOS DEL PERSONAL DE CIRU-GÍA DE UN HOSPITAL DEL ESTADO APLICANDO ALGORITMOS GENÉTICOS(TIME TABLING PROBLEM),»PONTIFICIA UNIVERSIDAD CATÓLICA DELPERÚ FACULTAD DE CIENCIAS E INGENIERÍA, 2010.S. E. Haupt, «Introduction to Genetic Algorithms,»Artificial Intelligence Methods inthe Environmental Sciences, págs. 103-125, 2009.doi:.https://doi.org/10.1007/978-1-4020-9119-3_5.K. Y. Lee y M. A. El-Sharkawi, «Fundamentals of genetic algorithms,»MODERN HEU-RISTIC OPTIMIZATION TECHNIQUES: THEORY AND APPLICATIONS TO PO-WER SYSTEMS (IEEE PRESS SERIES ON POWER ENGINEERING), págs. 25-42,2008M. Mitchell, «An Introduction to Genetic Algorithms,»Complex Adaptive Systems fromMIT press, capitulo 2, 1996.M. B. M. Batista, J. A. M. Pérez y J. M. M. Vega, «Algoritmos Genéticos. Una visiónpráctica,»Números: Revista de didáctica de las matemáticas (Ejemplar dedicado a:Darwin), n.o71, pág. 4, 2009.K. Dowsland y A. Díaz, «Diseño de heurísticas y fundamentos del recocido simulado,»Handbook of Natural Computing, n.o19, págs. 93-101, 2003K. A. Dowsland y J. M. Thompson, «Simulated Annealing,»Handbook of NaturalComputing, págs. 1623-1655, 2012.doi:https://doi.org/10.1007/978-3-540-92910-9_49.W. Odziemczyk, «Application of simulated annealing algorithm for 3D coordinate trans-formation problem solution,»Open Geosciences, vol. 12, págs. 491-502, jul. de 2020.doi:10.1515/geo-2020-0038.H. E. Romeijn y R. L. Smith, «Simulated Annealing and Adaptive Search in Glo-bal Optimization,»Probability in the Engineering and Informational Sciences, n.o4,págs. 571-590, 1994.doi:https://doi.org/10.1017/S0269964800003624R. C. Eberhart e Y. Shi, «Particle Swarm Optimization: Developments, Applications andResources,»2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546),2001.doi:10.1109/cec.2001.934374.I. Atsuko y N. Akira, «A subproblem-centric model and approach to the nurse schedulingproblem,»Mathematical Programming, n.o3, págs. 517-541, 2003.doi:10.1007/s10107-003-0426-2.K. Candotti, D. Mavares y R. Velásquez, «Comparación de métodos metaheurísticos deoptimización: recocido simulado, algoritmos genéticos y búsqueda del cuco.,»Universi-dad, Ciencia y Tecnología, n.o71, 2014A. Ghaher, S. Shoar, M. Naderan y S. S. Hoseini, «The Applications of Genetic Algo-rithms in Medicine,»Oman Medical Journal, n.o6, págs. 406-416, 2015.doi:10.5001/omj.2015.82.instname:Universidad del Rosarioinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURAlgoritmos GenéticosRecocido SimuladoBúsqueda por Cardumen de PecesProblemas de programación de HorariosCiencias médicas, Medicina610600Ingeniería & operaciones afines620600Genetic algorithmsfishing school search algorithmSimulated AnnealingScheduling problems.Ciencias médicas, MedicinaComparación de métodos de optimización para la generación de horarios para personal de enfermeríaComparison of optimization methods for the generation of schedules for nursing personnelbachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de Medicina y Ciencias de la SaludORIGINALTrabajo_Dirigido___Alejandro.pdfTrabajo_Dirigido___Alejandro.pdfapplication/pdf1204470https://repository.urosario.edu.co/bitstreams/2fc04a1f-b011-4d2d-9d66-5b3ae82de931/download67cb447c50ed7877c3b890227c726dccMD51TEXTTrabajo_Dirigido___Alejandro.pdf.txtTrabajo_Dirigido___Alejandro.pdf.txtExtracted texttext/plain88992https://repository.urosario.edu.co/bitstreams/e7c95007-5b38-4c05-a2f1-32b2433f8b3d/download0002aaeae21735e4a9eb6a69ba126e42MD54THUMBNAILTrabajo_Dirigido___Alejandro.pdf.jpgTrabajo_Dirigido___Alejandro.pdf.jpgGenerated Thumbnailimage/jpeg2575https://repository.urosario.edu.co/bitstreams/f4698b02-9066-40cc-b17b-db1602141376/download0bb901fdf75c365dc620050419d76e2fMD55LICENSElicense.txtlicense.txttext/plain1475https://repository.urosario.edu.co/bitstreams/7bf296fd-d18a-4f9f-ba01-448a3b9bb39f/downloadfab9d9ed61d64f6ac005dee3306ae77eMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repository.urosario.edu.co/bitstreams/0d31a49c-8f03-4d11-9da1-f1aa618cebac/download1487462a1490a8fc01f5999ce7b3b9ccMD5310336/31620oai:repository.urosario.edu.co:10336/316202021-10-19 14:20:03.318http://creativecommons.org/licenses/by-nc-sa/2.5/co/Atribución-NoComercial-CompartirIgual 2.5 Colombiahttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.coRUwoTE9TKSBBVVRPUihFUyksIG1hbmlmaWVzdGEobWFuaWZlc3RhbW9zKSBxdWUgbGEgb2JyYSBvYmpldG8gZGUgbGEgcHJlc2VudGUgYXV0b3JpemFjacOzbiBlcyBvcmlnaW5hbCB5IGxhIHJlYWxpesOzIHNpbiB2aW9sYXIgbyB1c3VycGFyIGRlcmVjaG9zIGRlIGF1dG9yIGRlIHRlcmNlcm9zLCBwb3IgbG8gdGFudG8gbGEgb2JyYSBlcyBkZSBleGNsdXNpdmEgYXV0b3LDrWEgeSB0aWVuZSBsYSB0aXR1bGFyaWRhZCBzb2JyZSBsYSBtaXNtYS4gCgpQQVJHUkFGTzogRW4gY2FzbyBkZSBwcmVzZW50YXJzZSBjdWFscXVpZXIgcmVjbGFtYWNpw7NuIG8gYWNjacOzbiBwb3IgcGFydGUgZGUgdW4gdGVyY2VybyBlbiBjdWFudG8gYSBsb3MgZGVyZWNob3MgZGUgYXV0b3Igc29icmUgbGEgb2JyYSBlbiBjdWVzdGnDs24sIEVMIEFVVE9SLCBhc3VtaXLDoSB0b2RhIGxhIHJlc3BvbnNhYmlsaWRhZCwgeSBzYWxkcsOhIGVuIGRlZmVuc2EgZGUgbG9zIGRlcmVjaG9zIGFxdcOtIGF1dG9yaXphZG9zOyBwYXJhIHRvZG9zIGxvcyBlZmVjdG9zIGxhIHVuaXZlcnNpZGFkIGFjdMO6YSBjb21vIHVuIHRlcmNlcm8gZGUgYnVlbmEgZmUuIAoKRUwgQVVUT1IsIGF1dG9yaXphIGEgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8sICBwYXJhIHF1ZSBlbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgTGV5IDQ0IGRlIDE5OTMsIERlY2lzacOzbiBhbmRpbmEgMzUxIGRlIDE5OTMsIERlY3JldG8gNDYwIGRlIDE5OTUgeSBkZW3DoXMgbm9ybWFzIGdlbmVyYWxlcyBzb2JyZSBsYSBtYXRlcmlhLCAgdXRpbGljZSB5IHVzZSBsYSBvYnJhIG9iamV0byBkZSBsYSBwcmVzZW50ZSBhdXRvcml6YWNpw7NuLgoKLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0tLS0KClBPTElUSUNBIERFIFRSQVRBTUlFTlRPIERFIERBVE9TIFBFUlNPTkFMRVMuIERlY2xhcm8gcXVlIGF1dG9yaXpvIHByZXZpYSB5IGRlIGZvcm1hIGluZm9ybWFkYSBlbCB0cmF0YW1pZW50byBkZSBtaXMgZGF0b3MgcGVyc29uYWxlcyBwb3IgcGFydGUgZGUgTEEgVU5JVkVSU0lEQUQgREVMIFJPU0FSSU8gIHBhcmEgZmluZXMgYWNhZMOpbWljb3MgeSBlbiBhcGxpY2FjacOzbiBkZSBjb252ZW5pb3MgY29uIHRlcmNlcm9zIG8gc2VydmljaW9zIGNvbmV4b3MgY29uIGFjdGl2aWRhZGVzIHByb3BpYXMgZGUgbGEgYWNhZGVtaWEsIGNvbiBlc3RyaWN0byBjdW1wbGltaWVudG8gZGUgbG9zIHByaW5jaXBpb3MgZGUgbGV5LiBQYXJhIGVsIGNvcnJlY3RvIGVqZXJjaWNpbyBkZSBtaSBkZXJlY2hvIGRlIGhhYmVhcyBkYXRhICBjdWVudG8gY29uIGxhIGN1ZW50YSBkZSBjb3JyZW8gaGFiZWFzZGF0YUB1cm9zYXJpby5lZHUuY28sIGRvbmRlIHByZXZpYSBpZGVudGlmaWNhY2nDs24gIHBvZHLDqSBzb2xpY2l0YXIgbGEgY29uc3VsdGEsIGNvcnJlY2Npw7NuIHkgc3VwcmVzacOzbiBkZSBtaXMgZGF0b3MuCgo=

Publicaciones similares