Mostrar el registro sencillo del ítem
Desarrollo de algoritmos dirigidos por retos: Optimización de un modelo de simula- ción para la planificación de la capacidad y recursos de hospitales durante la pandemia de COVID-19
dc.contributor.advisor | Segredo González, Eduardo Manuel | |
dc.contributor.advisor | Marrero Díaz, Alejandro | |
dc.contributor.author | Torres Díaz, Néstor | |
dc.contributor.other | Grado en Ingeniería Informática | |
dc.date.accessioned | 2022-07-28T12:42:28Z | |
dc.date.available | 2022-07-28T12:42:28Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | http://riull.ull.es/xmlui/handle/915/29418 | |
dc.description.abstract | La “Optimización de un modelo de simulación para la planificación de la capacidad y recursos de hospitales durante la pandemia de COVID-19”, es un problema de optimización muy reciente cuyo objetivo es encontrar una configuración de parámetros óptima para un modelo de simulación. Este modelo de simulación hace uso de eventos discretos para simular el flujo de pacientes de COVID-19 en el hospital desde que se infectan hasta que se recuperan o mueren. El simulador permite llevar a cabo una estimación de los recursos necesarios para atender a los pacientes. La computación evolutiva brinda los recursos necesarios para abordar problemas de optimización que requieren un alto coste computacional como es este caso. Por lo tanto, se ha tomado la decisión de realizar la implementación de un algoritmo genético para resolver el problema y posteriormente realizar un estudio de los resultados obtenidos en los experimentos. Para poder llevar a cabo el desarrollo, se han realizado adaptaciones sobre la librería GeneticsJS, la cual facilita estructuras básicas y métodos que permiten realizar la implementación de algoritmos evolutivos. | es |
dc.description.abstract | The Optimization of a simulator model for a capacity and resource planning task for hospitals during COVID-19 is a very recent optimization problem whose objective is to find an optimal parameter configuration for a simulation model. This simulation model makes use of discrete events to simulate the flow of COVID-19 patients in the hospital from infection to recovery or death. The simulator allows to estimate the resources needed to care for the patients. Evolutionary computation provides the necessary resources to tackle optimization problems that require a high computational cost as in this case. Therefore, the decision has been made to implement a genetic algorithm to solve the problem and then to study the results obtained in the experiments. In order to carry out the development, adaptations have been made to the GeneticsJS library to meet the requirements of the problem. | en |
dc.format.mimetype | application/pdf | |
dc.language.iso | es | |
dc.rights | Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional) | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES | |
dc.subject | Computación evolutiva | |
dc.subject | Algoritmo genético | |
dc.subject | Simulación por eventos discretos | |
dc.subject | Ajuste de parámetros | |
dc.subject | Optimización de caja negra | |
dc.subject | Evolutionary Computation | |
dc.subject | Genetic Algorithm | |
dc.subject | Discrete-Event Simulation | |
dc.subject | Parameter Setting | |
dc.subject | Black-box Optimization | |
dc.title | Desarrollo de algoritmos dirigidos por retos: Optimización de un modelo de simula- ción para la planificación de la capacidad y recursos de hospitales durante la pandemia de COVID-19 | |
dc.type | info:eu-repo/semantics/bachelorThesis |