Este documento describe el uso de un algoritmo genético para asignar la carga académica de maestros y estudiantes de manera óptima. Explica los factores involucrados en la asignación de horarios, como las especialidades, número de estudiantes y aulas. Luego detalla el funcionamiento del algoritmo genético, incluyendo la generación aleatoria inicial de soluciones, la selección basada en aptitud y los operadores genéticos de cruzamiento y mutación. Finalmente presenta los resultados de un caso práctico para una carrera

1. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Katherine Campoverde Ruth Caramillo 9no Sistemas

2. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Existe la necesidad de asignar y coordinar los recursos económicos, materiales y humanos para distribuir los horarios de clases de maestros y alumnos en base a su disponibilidad.

3. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Factores involucrados Carga académica por especialidad Número de carreras Horario del personal docente Perfil académico del profesor Número de alumnos por grupo Número y características de aulas Experiencia del personal administrativo en la coordinación de carreras de la institución

4. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Datos

5. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS

6. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Resultados del caso de estudio

7. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS DISEÑO DE UN ALGORITMO GENÉTICO PARA EL MODELO DE ACA Modelo simplificado Un conjunto finito de grupos-materias que incluye la combinación de todas las materias que se impartirán en un período escolar determinado así como los grupos de alumnos que cursarán dichas materias y se representan mediante claves alfanuméricas. Un conjunto finito de profesores identificados por claves numéricas enteras. Un conjunto de horas que contiene la codificación con claves numéricas enteras de la jornada de clases del período escolar

8. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS

9. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Definición de la función de aptitud Los empalmes de clases de un grupo Los empalmes de clases de un profesor Las horas libres entre clases de un grupo Los cromosomas con el menor número de penalizaciones son los más aptos.

10. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Generación de población inicial Se generan aleatoriamente N cromosomas, donde N representa el tamaño de la población. A cada grupo-materia se le asigna aleatoriamente un profesor de los disponibles para impartirla. Una vez escogido el maestro, también se asigna, en forma aleatoria, una hora de clase al grupo-materia dentro del horario de disponibilidad del profesor.

11. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Operadores genéticos Los operadores básicos utilizados en un AG son: selección cruzamiento mutación elitismo

12. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Selección La selección es un proceso en el cual cada cromosoma es copiado de acuerdo a su valor de aptitud, y se aplica basándose en el método de la ruleta, la cual se gira N veces para generar aleatoriamente la siguiente población.

13. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Cruza En este modelo de ACA se aplica una variante del operador llamado cruza uniforme, el cual consiste en aplicar con cierta probabilidad el operador a bloques específicos del cromosoma.

14. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS

15. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Mutación La función de este operador es modificar aleatoriamente algunos genes de acuerdo a un valor probabilístico (probabilidad de mutación).

16. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Elitismo El elitismo es un criterio que se aplica en un AG con la finalidad de mantener el mejor cromosoma de cada población insertándolo directamente en la siguiente población.

17. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS RESULTADOS Caso de análisis Las pruebas realizadas consisten en obtener la mejor distribución de carga académica mediante un AG basadas en las necesidades académicas de la carrera de ISC del ITNL en el período de febrero a junio de 1999.

18. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Selección de parámetros

19. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS Efecto de los parámetros en la aptitud de los cromosomas En este caso se generaron 688 poblaciones de 150 cromosomas cada una, con 2 puntos de cruza, probabilidad de cruza = 70% y probabilidad de mutación = 0.2% sin considerar elitismo.

20. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS En un segundo caso, se modificaron los parámetros del AG con una probabilidad de cruza de 90%, una probabilidad de mutación de 0.001% e incorporando elitismo

21. MODELO DE ASIGNACIÓN DE CARGA ACADÉMICA USANDO ALGORITMOS GENÉTICOS CONCLUSIONES

22. GRACIAS!!...