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 de personal 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 so...
- Autores:
-
Castrillón Rodríguez, Johan Alejandro
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Escuela Colombiana de Ingeniería Julio Garavito
- Repositorio:
- Repositorio Institucional ECI
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.escuelaing.edu.co:001/1536
- Acceso en línea:
- https://repositorio.escuelaing.edu.co/handle/001/1536
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22639
- Palabra clave:
- Algoritmos Genéticos
Ingeniería Biomédica
Algoritmos Genéticos
Recocido Simulado
Búsqueda por cardumen de peces
Problemas de programación de Horarios.
Genetic algorithms
Simulated Annealing
Fishing school search algorithm
Scheduling problems
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
ESCUELAIG2_20a8361ae58e9228ef99edb792fa20b7 |
|---|---|
| oai_identifier_str |
oai:repositorio.escuelaing.edu.co:001/1536 |
| network_acronym_str |
ESCUELAIG2 |
| network_name_str |
Repositorio Institucional ECI |
| 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.alternative.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 Ingeniería Biomédica Algoritmos Genéticos Recocido Simulado Búsqueda por cardumen de peces Problemas de programación de Horarios. Genetic algorithms Simulated Annealing Fishing school search algorithm Scheduling problems |
| 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.creator.fl_str_mv |
Castrillón Rodríguez, Johan Alejandro |
| dc.contributor.advisor.none.fl_str_mv |
Orjuela Cañón, Álvaro David (dir) |
| dc.contributor.author.none.fl_str_mv |
Castrillón Rodríguez, Johan Alejandro |
| dc.subject.armarc.none.fl_str_mv |
Algoritmos Genéticos Ingeniería Biomédica |
| topic |
Algoritmos Genéticos Ingeniería Biomédica Algoritmos Genéticos Recocido Simulado Búsqueda por cardumen de peces Problemas de programación de Horarios. Genetic algorithms Simulated Annealing Fishing school search algorithm Scheduling problems |
| dc.subject.proposal.spa.fl_str_mv |
Algoritmos Genéticos Recocido Simulado Búsqueda por cardumen de peces Problemas de programación de Horarios. Genetic algorithms Simulated Annealing Fishing school search algorithm Scheduling problems |
| description |
La organización de personal de enfermería es un problema de optimización de personal 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 optimas 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 |
2021-05-31T20:28:15Z 2021-10-01T14:29:31Z |
| dc.date.available.none.fl_str_mv |
2021-05-31T20:28:15Z 2021-10-01T14:29:31Z |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.escuelaing.edu.co/handle/001/1536 |
| dc.identifier.url.none.fl_str_mv |
https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22639 |
| url |
https://repositorio.escuelaing.edu.co/handle/001/1536 https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22639 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
F. S. Palma, S. V. Süazo y O. S. Alvarado, «EL TRABAJO DEL PROFESIONAL DE ENFERMERÍA: REVISIÓN DE LA LITERATURA,» Ciencia y enfermería, n.o 2, 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 de enfermería en el sistema de salud colombiano,» Universidad y salud, n.o 2, 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: A Mathematical Programming Approach,» Operations Research, n.o 5, 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 burnout en personal de enfermería de centros hospitalarios,» Enfermería universitaria, n.o 4, 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.o 1, págs. 15-22, 2010. R. R. Gonzales, Y. R. Doval y O. M. Pérez, « Estrés Laboral, consideraciones sobre sus características y formas de afrontamiento,» Revista Internacional De Psicología, n.o 1, 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 environmental medicine, n.o 4, 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 fármacos en unidades hospitalarias,» 2014. P. Innocent y R. John, «Computer aided fuzzy medical diagnosis,» Information Scien ces, n.o 2, 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 logistic regression 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 in medical 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 for the Examination Timetabling Problem,» International Conference on the Practice and Theory 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 Distribution Routing Optimization,» Second International Conference on Intelligent Computation Technology and Automation, 2009. doi: 10.1109/icicta.2009.116. T. Vidal, T. G. Crainic, M. Gendreau y C. Prins, «A hybrid genetic algorithm with adaptive diversity management for a large class of vehicle routing problems with timewindows,» Computers Operations Research, n.o 1, 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 Objective Evolutionary 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 2001 Congress 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,» Lecture Notes in Engineering and Computer Science, págs. 19-21, 2008. G. Du, Z. Jiang, Y. Yao y X. Diao, «Clinical Pathways Scheduling Using Hybrid Genetic Algorithm,» Journal of Medical Systems, n.o 9945, 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 for pandemic influenza using genetic algorithms,» Journal of Theoretical Biology, n.o 2, 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.o 2, 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 Ophthalmic Hospital 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 programación de cirugías en ambientes con limitada disponibilidad de recursos,» Scientia et technica, n.o 1, 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.o 10, 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.o 10, 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 propagation algorithm and its application in disease prediction,» Modern Physics Letters B, n.o 25, 2018. doi: 10.1142/s0217984918503037. S. N. Kumar, A. L. Fred y P. S. Varghese, «Compression of CT Images using Contextual Vector Quantization with Simulated Annealing for Telemedicine Application,» Journal of Medical Systems, n.o 48, 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.o 3, 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 and Pattern Recognition, 2010. doi: 10.1109/SOCPAR.2010.5685868. P.-C. Chang, J.-J. Lin y C.-H. Liu, «An attribute weight assignment and particle swarm optimization algorithm for medical database classifications,» Computer Methods and Programs in Biomedicine, n.o 3, 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, «Fish School 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 of applications, methods and models,» European Journal of Operational Research, n.o 1, 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 DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA, 2010. S. E. Haupt, «Introduction to Genetic Algorithms,» Artificial Intelligence Methods in the 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 from MIT press, capitulo 2, 1996. M. B. M. Batista, J. A. M. Pérez y J. M. M. Vega, «Algoritmos Genéticos. Una visión práctica,» Números: Revista de didáctica de las matemáticas (Ejemplar dedicado a: Darwin), n.o 71, pág. 4, 2009. K. Dowsland y A. Díaz, «Diseño de heurísticas y fundamentos del recocido simulado,» Handbook of Natural Computing, n.o 19, págs. 93-101, 2003. K. A. Dowsland y J. M. Thompson, «Simulated Annealing,» Handbook of Natural Computing, 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.o 4, págs. 571-590, 1994. doi: https://doi.org/10.1017/S0269964800003624. R. C. Eberhart e Y. Shi, «Particle Swarm Optimization: Developments, Applications and Resources,» 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 scheduling problem,» Mathematical Programming, n.o 3, págs. 517-541, 2003. doi: 10 . 1007 / s10107-003-0426-2. K. Candotti, D. Mavares y R. Velásquez, «Comparación de métodos metaheurísticos de optimización: recocido simulado, algoritmos genéticos y búsqueda del cuco.,» Universi dad, Ciencia y Tecnología, n.o 71, 2014. A. Ghaher, S. Shoar, M. Naderan y S. S. Hoseini, «The Applications of Genetic Algo rithms in Medicine,» Oman Medical Journal, n.o 6, págs. 406-416, 2015. doi: 10.5001/ omj.2015.82. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.spa.fl_str_mv |
47 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Biomédica |
| institution |
Escuela Colombiana de Ingeniería Julio Garavito |
| bitstream.url.fl_str_mv |
https://repositorio.escuelaing.edu.co/bitstream/001/1536/6/Autorizaci%c3%b3n.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1536/8/Castrill%c3%b3n%20Rodr%c3%adguez%2c%20Johan%20Alejandro-2021.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1536/10/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1536/11/Trabajo_Dirigido___Alejandro.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1536/3/license.txt https://repositorio.escuelaing.edu.co/bitstream/001/1536/4/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdf https://repositorio.escuelaing.edu.co/bitstream/001/1536/5/Trabajo_Dirigido___Alejandro.pdf https://repositorio.escuelaing.edu.co/bitstream/001/1536/7/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdf.jpg https://repositorio.escuelaing.edu.co/bitstream/001/1536/9/Trabajo_Dirigido___Alejandro.pdf.jpg |
| bitstream.checksum.fl_str_mv |
68e347ca6cfb52401d08eddc92ac53f2 0002aaeae21735e4a9eb6a69ba126e42 68e347ca6cfb52401d08eddc92ac53f2 0002aaeae21735e4a9eb6a69ba126e42 5a7ca94c2e5326ee169f979d71d0f06e dc53a48b8fbf524e58dc375c21b70a12 67cb447c50ed7877c3b890227c726dcc dd3f9d52eb5d067bad909f145bc24c64 2db165de4617ef436895698cd4701667 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Escuela Colombiana de Ingeniería Julio Garavito |
| repository.mail.fl_str_mv |
repositorio.eci@escuelaing.edu.co |
| _version_ |
1814355640956485632 |
| spelling |
Orjuela Cañón, Álvaro David (dir)318c929cc0c7ee590cc2292118b677c8300Castrillón Rodríguez, Johan Alejandroef2440bad23b5274efebf9a9720312fe6002021-05-31T20:28:15Z2021-10-01T14:29:31Z2021-05-31T20:28:15Z2021-10-01T14:29:31Z2021https://repositorio.escuelaing.edu.co/handle/001/1536https://catalogo.escuelaing.edu.co/cgi-bin/koha/opac-detail.pl?biblionumber=22639La organización de personal de enfermería es un problema de optimización de personal 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 optimas 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.Nursing staff organization is a staff optimization problem that has been studied extensively in the last 4 decades since computing in various shapes. One of the forms of work that has been presented is the use of intelligence artificial for the search of optimal solutions from the definition of constraints, periods of time to organize and number of staff available to cover the needs of the different schools on which this type of activity can be applied. For the development of this document, a search was carried out for AI methods in the that the health field has been widely supported to solve different problems that imply the optimization of resources to guarantee the best operation that is possible, methods including genetic algorithms, simulated annealing and some variants of swarm intelligences such as the search for a school of fish, Methods with which algorithms were developed to solve a nursing staff optimization problem and their efficiencies were subsequently compared based on of the time required for each of the models to arrive at solutions that are applicable in a real work environment.PregradoIngeniero(a) Biomédico(a)47 páginasapplication/pdfspaComparación de Métodos de Optimización para la Generación de Horarios para Personal de EnfermeríaComparison of Optimization Methods for the Generation of Schedules for Nursing PersonnelTrabajo de grado - Pregradoinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85Ingeniería BiomédicaF. S. Palma, S. V. Süazo y O. S. Alvarado, «EL TRABAJO DEL PROFESIONAL DE ENFERMERÍA: REVISIÓN DE LA LITERATURA,» Ciencia y enfermería, n.o 2, 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 de enfermería en el sistema de salud colombiano,» Universidad y salud, n.o 2, 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: A Mathematical Programming Approach,» Operations Research, n.o 5, 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 burnout en personal de enfermería de centros hospitalarios,» Enfermería universitaria, n.o 4, 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.o 1, págs. 15-22, 2010.R. R. Gonzales, Y. R. Doval y O. M. Pérez, « Estrés Laboral, consideraciones sobre sus características y formas de afrontamiento,» Revista Internacional De Psicología, n.o 1, 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 environmental medicine, n.o 4, 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 fármacos en unidades hospitalarias,» 2014.P. Innocent y R. John, «Computer aided fuzzy medical diagnosis,» Information Scien ces, n.o 2, 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 logistic regression 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 in medical 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 for the Examination Timetabling Problem,» International Conference on the Practice and Theory 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 Distribution Routing Optimization,» Second International Conference on Intelligent Computation Technology and Automation, 2009. doi: 10.1109/icicta.2009.116.T. Vidal, T. G. Crainic, M. Gendreau y C. Prins, «A hybrid genetic algorithm with adaptive diversity management for a large class of vehicle routing problems with timewindows,» Computers Operations Research, n.o 1, 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 Objective Evolutionary 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 2001 Congress 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,» Lecture Notes in Engineering and Computer Science, págs. 19-21, 2008.G. Du, Z. Jiang, Y. Yao y X. Diao, «Clinical Pathways Scheduling Using Hybrid Genetic Algorithm,» Journal of Medical Systems, n.o 9945, 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 for pandemic influenza using genetic algorithms,» Journal of Theoretical Biology, n.o 2, 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.o 2, 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 Ophthalmic Hospital 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 programación de cirugías en ambientes con limitada disponibilidad de recursos,» Scientia et technica, n.o 1, 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.o 10, 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.o 10, 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 propagation algorithm and its application in disease prediction,» Modern Physics Letters B, n.o 25, 2018. doi: 10.1142/s0217984918503037.S. N. Kumar, A. L. Fred y P. S. Varghese, «Compression of CT Images using Contextual Vector Quantization with Simulated Annealing for Telemedicine Application,» Journal of Medical Systems, n.o 48, 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.o 3, 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 and Pattern Recognition, 2010. doi: 10.1109/SOCPAR.2010.5685868.P.-C. Chang, J.-J. Lin y C.-H. Liu, «An attribute weight assignment and particle swarm optimization algorithm for medical database classifications,» Computer Methods and Programs in Biomedicine, n.o 3, 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, «Fish School 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 of applications, methods and models,» European Journal of Operational Research, n.o 1, 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 DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA, 2010.S. E. Haupt, «Introduction to Genetic Algorithms,» Artificial Intelligence Methods in the 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 from MIT press, capitulo 2, 1996.M. B. M. Batista, J. A. M. Pérez y J. M. M. Vega, «Algoritmos Genéticos. Una visión práctica,» Números: Revista de didáctica de las matemáticas (Ejemplar dedicado a: Darwin), n.o 71, pág. 4, 2009.K. Dowsland y A. Díaz, «Diseño de heurísticas y fundamentos del recocido simulado,» Handbook of Natural Computing, n.o 19, págs. 93-101, 2003.K. A. Dowsland y J. M. Thompson, «Simulated Annealing,» Handbook of Natural Computing, 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.o 4, págs. 571-590, 1994. doi: https://doi.org/10.1017/S0269964800003624.R. C. Eberhart e Y. Shi, «Particle Swarm Optimization: Developments, Applications and Resources,» 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 scheduling problem,» Mathematical Programming, n.o 3, págs. 517-541, 2003. doi: 10 . 1007 / s10107-003-0426-2.K. Candotti, D. Mavares y R. Velásquez, «Comparación de métodos metaheurísticos de optimización: recocido simulado, algoritmos genéticos y búsqueda del cuco.,» Universi dad, Ciencia y Tecnología, n.o 71, 2014.A. Ghaher, S. Shoar, M. Naderan y S. S. Hoseini, «The Applications of Genetic Algo rithms in Medicine,» Oman Medical Journal, n.o 6, págs. 406-416, 2015. doi: 10.5001/ omj.2015.82.info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Algoritmos GenéticosIngeniería BiomédicaAlgoritmos GenéticosRecocido SimuladoBúsqueda por cardumen de pecesProblemas de programación de Horarios.Genetic algorithmsSimulated AnnealingFishing school search algorithmScheduling problemsTEXTAutorización.pdf.txtAutorización.pdf.txtExtracted texttext/plain3441https://repositorio.escuelaing.edu.co/bitstream/001/1536/6/Autorizaci%c3%b3n.pdf.txt68e347ca6cfb52401d08eddc92ac53f2MD56metadata only accessCastrillón Rodríguez, Johan Alejandro-2021.pdf.txtCastrillón Rodríguez, Johan Alejandro-2021.pdf.txtExtracted texttext/plain88992https://repositorio.escuelaing.edu.co/bitstream/001/1536/8/Castrill%c3%b3n%20Rodr%c3%adguez%2c%20Johan%20Alejandro-2021.pdf.txt0002aaeae21735e4a9eb6a69ba126e42MD58open accessAutorización de publicación Firmado.pdf.txtAutorización de publicación Firmado.pdf.txtExtracted texttext/plain3441https://repositorio.escuelaing.edu.co/bitstream/001/1536/10/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdf.txt68e347ca6cfb52401d08eddc92ac53f2MD510metadata only accessTrabajo_Dirigido___Alejandro.pdf.txtTrabajo_Dirigido___Alejandro.pdf.txtExtracted texttext/plain88992https://repositorio.escuelaing.edu.co/bitstream/001/1536/11/Trabajo_Dirigido___Alejandro.pdf.txt0002aaeae21735e4a9eb6a69ba126e42MD511open accessLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/1536/3/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD53open accessORIGINALAutorización de publicación Firmado.pdfAutorización de publicación con las firmas correspondientesapplication/pdf867820https://repositorio.escuelaing.edu.co/bitstream/001/1536/4/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdfdc53a48b8fbf524e58dc375c21b70a12MD54metadata only accessTrabajo_Dirigido___Alejandro.pdfDocumento que contiene el trabajo dirigido.application/pdf1204470https://repositorio.escuelaing.edu.co/bitstream/001/1536/5/Trabajo_Dirigido___Alejandro.pdf67cb447c50ed7877c3b890227c726dccMD55open accessTHUMBNAILAutorización de publicación Firmado.pdf.jpgAutorización de publicación Firmado.pdf.jpgGenerated Thumbnailimage/jpeg13278https://repositorio.escuelaing.edu.co/bitstream/001/1536/7/Autorizaci%c3%b3n%20de%20publicaci%c3%b3n%20Firmado.pdf.jpgdd3f9d52eb5d067bad909f145bc24c64MD57metadata only accessTrabajo_Dirigido___Alejandro.pdf.jpgTrabajo_Dirigido___Alejandro.pdf.jpgGenerated Thumbnailimage/jpeg7162https://repositorio.escuelaing.edu.co/bitstream/001/1536/9/Trabajo_Dirigido___Alejandro.pdf.jpg2db165de4617ef436895698cd4701667MD59open access001/1536oai:repositorio.escuelaing.edu.co:001/15362022-04-29 03:03:13.152open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.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 |