Author(s): Leite, Ana
Date: 2016
Persistent ID: http://hdl.handle.net/10198/13916
Origin: Biblioteca Digital do IPB
Subject(s): Otimização; Algoritmos genéticos; Particle swarm otimization; Escalonamento; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Médica
O problema de escalonamento de tratamentos em unidades de saúde é um tema atual na investigação operacional e bastante importante na área da gestão de hospitalar, estando associado à redução de custos com o pessoal especializado bem como a redução de tempo de espera dos utentes. Atualmente, os algoritmos evolutivos têm sido uma importante ferramenta para a resolução de problemas de escalonamento nas mais diversas áreas. Alguns dos métodos mais usados na área de escalonamento são o Algoritmo Genético e o método Particle Swarm Optimization. O Algoritmo Genético é conhecido por simular comportamentos biológicos, e é baseado no conceito da seleção e evolução natural e genética, usando a informação histórica para encontrar a solução ótima do problema. O método Particle Swarm Optimization é um método baseado no comportamento social de animais que não têm um líder. Este trabalho tem como objetivo desenvolver dois algoritmos baseados nos métodos Particle Swarm Optimization e Algoritmo Genético para a resolução de problemas de escalonamento de tratamentos em unidades de saúde Com este estudo, podemos concluir que tanto os métodos Particle Swarm Otimization e o Algoritmo Genético apresentam soluções para todos os casos de estudo analisados, e ambos fornecem a mesma solução ótima para cada problema estudado com elevada rapidez de processamento.
The treatment scheduling in Health Centers problem is a current topic in operational research and it is very important in the hospital management field, it’s associated to reduced costs with specialized staff as well as the waiting time reduction of users. Currently, evolutionary algorithms have been an important tool for solving scheduling problems in several areas. Some of the methods most commonly used in the scheduling area are the Genetic Algorithm and Particle Swarm Optimization. The Genetic Algorithm is known by simulate biological behaviour, and is based on the concept of natural selection and genetic evolution, using historical information to find the optimal solution of the problem. The Particle Swarm Optimization method is a procedure based on the social behaviour of animals that do not have a leader. This work aims to develop two algorithms based on methods Particle Swarm Optimization and Genetic Algorithm for solving treatment scheduling problems in Health Centers. With this study, we can conclude that Particle Swarm Optimization and Genetic Algorithm methods have solutions for all the studied cases, and both provide the same optimal solution for each problem studied with high processing speed.
