1

Analisis Sobre Estado del arte

S OLUCIONES INFORMATICAS PARA LA ELABORACI ÓN DE HORARIOS
Nuñez R., Diego H.
dnunezr@unbosque.edu.co
Universidad El Bosque, Bogotá D.C., Colombia

Resumen— Este artı́culo revisa el estado del arte sobre soluciones informáticas de elaboración de horarios universitarios,
enfocándose en tres tipos de documentos el primero relacionado con la elaboración de horarios académicos, el segundo con la
elaboración de horarios empresariales y el ultimo enfoque relacionado a artı́culos que pueden aportar al estudio de la solución
nombrada anteriormente.

Index Terms—Scheduling, Optimization, Transportation, Mixed integer Linear Programming.

Abstract— This article reviews the state of the art on computer solutions for the preparation of university schedules, focusing on
three types of documents, the first related to the preparation of academic schedules, the second with the preparation of business
schedules and the last approach related to articles that can contribute to the study of the solution named above.

I. I NTRODUCCION situación no es distinta en la universidad el bosque, motivo

por el cual se realizara a continuación una revisión de trabajos

L A elaboración de horarios en estudiantes de pregrado

ha resultado una de las decisiones más complejas
al iniciar el semestre “en cuanto a las lı́neas de materias
realizados en otras instituciones educativas para solucionar
este problema, también en empresas y otros artı́culos que se
vinculan a esta problemática.
electivas a matricular con base en la información disponible
(preferencias, plan de estudios, horarios, contenido de las
materias, posible rendimiento académico, docente, plan de II. F ORMULACI ÓN DE LA P ROBLEMATICA
estudios y otros)” [15]. “Esta es una tarea exigente, con un
alto grado de dificultad que, de no realizarse adecuadamente, A. Objetivo
podrı́a comprometer todo el proceso de formación de los
estudiantes. Un horario deficiente podrı́a generar un conjunto Identificar y conocer el estado actual de las soluciones
grave de problemas que pueden ir desde el malestar en planteadas para el problema de planificación y elaboración
los miembros de la comunidad universitaria (docentes, de horarios para el sector académico, empresarial y demás
administrativos y estudiantes) hasta el despilfarro de recursos artı́culos que se vinculen a esta problemática, para elaborar
(económicos, de tiempo, desgaste fı́sico y personal)”[2]. una propuesta distinta aplicable a la problemática de la
elaboración de horarios en la universidad el bosque.
Actualmente los sistemas de horarios manual clásico
consume mucho tiempo [1] como realizarlo en una hoja, un
excel, etc. tratando de acomodar las materias, mientras que B. Justificacion e importancia
desde el punto de vista de la universidad ”un horario de
clases satisfactorio acomoda a todos los estudiantes a todos
Se desea conocer el estado del arte sobre las soluciones
los cursos deseados en el momento conveniente”[14], ”los
tecnológicas y variables de las que se tiene conocimiento
autores mencionan que el horario se considera efectivo cuando
alrededor de la problemática de la elaboración de horarios
es factible y los estudiantes y miembros que lo utilizarán
en instituciones universitarias, apoyándonos además en
quedan al menos en cierto grado satisfechos” [3].Además en
soluciones para programación de horarios en empresas
la elaboración de horarios es importante considerar los ritmos
y otros artı́culos que brinden información aplicable a la
cognitivos de los estudiantes los cuales permiten determinar
problemática para mejorar la perspectiva que se tiene de este
[4]. Que tan factible es ver juntas ciertas materias por la carga
problema a la hora de abarcarlo.
académica y la capacidad del estudiante, ası́ como considerar
la opción de ver mas materias de lo normal.

La idea de un desarrollo informático para ayudar a C. Limitaciones

minimizar esta problemática se muestra como una opción
bastante acertada y es que automatizar la creación de “horarios Para la elaboración del documento se buscaron artı́culos
puede ayudar a minimizar el valioso tiempo consumido por de revistas y conferencias en bases de datos confiables como
el departamento de cualquier instituto o universidad”[7], esta lo son Scopus, Engineering Village, IEEE y ScienceDirect,

además de esto se delimito que cerca del 95% de los
documentos son de no menos de 5 años y en el idioma inglés,
el único documento que se exceptuó de estas dos normas ya
que esta en español y es del año 2014 se selecciono para
tener en cuenta por haber sido realizado en un entorno mas
cercano como lo es la universidad nacional de Colombia,
tambien se cumplio con la norma de no sobrepasar los diez
años de realizacion ya quela tecnologia entre cinco y diez
años en promedio tiende a desvalorizarce. Además de esto
se seleccionaron documentos con relación a términos como
“horarios” o “programación”, también se buscó artı́culos de
acceso libre para su adquisición y lectura.
III. A NTECEDENTES
A. Elaboración de horarios en Universidades
1) Using Boolean Satisfiability Solvers to Help Reduce
Cognitive Load and Improve Decision Making when Creating
Common Academic Schedules
-Tema: El tema de este articulo es la aplicación de
solucionadores de satisfacibilidad booleana (Boolean
Satisfiability Solvers) en la creación de horarios académicos
comunes para reducir la carga cognitiva y mejorar la toma de
decisiones en este proceso.
-Proposito: Presentar una nueva herramienta basada en
solucionadores de satisfacibilidad booleana (SAT) para ayudar
a los planificadores académicos a generar horarios de clases
comunes de manera más eficiente y efectiva. La idea es
que la herramienta ayude a reducir la carga cognitiva de
los planificadores al automatizar ciertas tareas y al mismo
tiempo mejorar la calidad de las decisiones tomadas al crear
horarios que satisfagan una serie de restricciones y objetivos
especı́ficos.
-Resultado: ”Descubrimos que en un dominio de
programación académica, el uso de un solucionador de
satisfacción booleana (SAT) fue efectivo para reducir la
carga cognitiva y el estrés del proceso de creación de la
programación, lo que condujo a efectos benefciosos como
la reducción del tiempo necesario para realizar las tareas de
creación de la programación. , junto con un aumento de la
satisfacción percibida con las decisiones tomadas. A partir de
nuestros hallazgos, enfatizamos la consideración del uso de
comentarios informativos sobre decisiones automatizadas para
reducir la probabilidad de ambigüedad y confusión percibidas
con tales decisiones, ası́ como para ayudar a sopesar posibles
decisiones. Además , recomendamos mantener un equilibrio
entre las decisiones automatizadas y manuales. Esto permitirı́a
a los usuarios mantener un sentido de autonomı́a en la toma
de decisiones, al mismo tiempo que reduce el esfuerzo
necesario para crear un cronograma de manera eficiente”[9]
2
2) Developing a Model for the University Course
Timetabling Problem: A Case Study
-Tema: Presentación de un caso de estudio en el que
se desarrolla un modelo matemático para la resolución del
problema de la planificación de horarios en una universidad.
-Proposito: Presentar un enfoque para resolver el problema
de horarios de cursos universitarios mediante la creación de
un modelo matemático y su aplicación en un caso de estudio
especı́fico, demostrando la eficacia de la técnica propuesta
en términos de mejora en la eficiencia y la calidad de los
horarios generados.
-Resultado: ”Este estudio brindó programación
multiobjetivo entero mixto para elaborar un cronograma para
estudiantes de posgrado en el Departamento de Ingenierı́a
Industrial del IAUN. El modelo tiene tres funciones objetivas:
minimizar la vulneración de las prioridades docentes y
educativas, minimizar el tiempo de viaje de los estudiantes y
minimizar la capacidad excedente de las aulas... La variación
paramétrica dio como resultado las soluciones óptimas
de Pareto, que indicaron un equilibrio entre las funciones
objetivo”[10].
3) University Course Timetabling Problem with Professor
Assignment
-Tema: Problema de programación de horarios de cursos
universitarios con asignación de profesores.
-Proposito: Abordar el problema de la planificación de
horarios en universidades, especı́ficamente el problema de
asignación de horarios de cursos y profesores, mediante el
diseño de un modelo matemático y la implementación de
un algoritmo de optimización para encontrar una solución
eficiente y factible.
-Resultado: ”La construcción del horario a través de este
modelo matemático permitió ahorrar horas y ayudó a lograr
la posibilidad de satisfacer todos los requisitos al menos para
el programa de estudios y las franjas horarias establecidas
para el mismo.. también permitió brindar información sobre
los docentes a contratar... la asignación de aulas no se lleva a
cabo... La distribución de secciones en el horario facilita que
los estudiantes seleccionen otros cursos básicos para evitar
cualquier conflictO” [3].
4) An Evolutionary Algorithm for Solving Academic
Courses Timetable Scheduling Problems
-Tema: Un algoritmo evolutivo para resolver el problema
de programación de horarios de cursos académicos
-Proposito: Presentar una solución al problema de
programación de horarios de cursos en instituciones
académicas utilizando un algoritmo evolutivo buscando
reducir la cantidad de solapamiento de horarios y maximizar

el uso de los recursos disponibles, como aulas y profesores,
para satisfacer las necesidades de los estudiantes y la
institución en términos de programación de cursos.
-Resultado: ”Este trabajo aclara cómo se utiliza el conjunto
de restricciones activas para inspirar conocimiento inteligente
y cómo se puede implementar el GA para determinar la
prioridad en las restricciones en el ámbito dinámico de los
entornos en desarrollo... En algunas situaciones, el GA puede
fallar cuando hay una única solución razonable, pero una
vez más se puede reactivar la búsqueda por las restricciones
activas con numerosas soluciones para localizar la mejor
de ellas... Este enfoque tiene muchas ventajas que son
el diseño fácil con la disminución del tiempo necesario
para el desarrollo y el mantenimiento de las restricciones del
sistema en el escenario de entornos en evolución dinámica.”[1]
5) A solution to the university course timetabling problem
using a hybrid method based on genetic algorithms
-Tema: Solución al problema de programación de horarios
de cursos universitarios utilizando un método hı́brido basado
en algoritmos genéticos.
-Proposito: Presentar un método hı́brido basado
en algoritmos genéticos para resolver el problema de
programación de horarios de cursos universitarios buscando
mejorar la eficiencia y calidad de los horarios de los cursos
universitarios, lo que es fundamental para garantizar que los
estudiantes puedan asistir a todas las clases.
-Resultado:”De los cronogramas obtenidos fueron factibles
en todas las corridas realizadas, el algoritmo HGATS ha
demostrado ser efectivo para el problema propuesto. Además,
el tiempo máximo de cómputo empleado no ha superado
los 25 minutos, lo que se considera un tiempo razonable...
la definición de parámetros se realizó considerando un
Diseño Factorial Fraccionado de resolución IV, lo que genera
confusión entre los factores e interacciones, sin embargo,
con los parámetros utilizados se obtuvieron buenos (factibles)
resultados en las soluciones finales”[2]
6) A Hybrid Recommender System to Enrollment for
Elective Subjects in Engineering Students using Classification
Algorithms
-Tema: Desarrollo de un sistema recomendador hı́brido
para la inscripción en materias electivas de estudiantes de
ingenierı́a.
-Proposito: presentar un sistema hı́brido de recomendación
para la inscripción en asignaturas electivas en estudiantes
de ingenierı́a utilizando algoritmos de clasificación para
proporcionar recomendaciones personalizadas y precisas a
los estudiantes, teniendo en cuenta su historial académico,
intereses y preferencias, con el fin de mejorar la satisfacción
del estudiante y la eficiencia del proceso de inscripción.
3
-Resultado:”se comprobó que los modelos hı́bridos
aprovechan las ventajas de CRFS y CBRS, y superan las
desventajas de los mismos trabajando individualmente...
o, las recomendaciones que genera la propuesta sustentan
objetivamente la decisión de los estudiantes durante la
matrı́cula... La actitud de los alumnos hacia un determinado
curso (preferencias de los alumnos) es muy relevante a la
hora de recomendar una lı́nea de asignaturas optativas”[15].
7) Class Schedule Generation using Evolutionary
Algorithms
-Tema: Generación de horarios de clases utilizando
algoritmos evolutivos.
-Proposito: Presentar un enfoque basado en algoritmos evo-
lutivos para la generación de horarios de clases en instituciones
educativas, considerando múltiples restricciones y objetivos,
como la disponibilidad de profesores y aulas, preferencias de
los estudiantes y la minimización de conflictos de horarios,
buscando proporcionar una solución más eficiente y efectiva en
comparación con los métodos tradicionales de programación
de horarios de clases.
-Resultado:”Mediante el uso de esta técnica, se puede
ahorrar mucho tiempo ya que es mucho más conveniente
que los métodos convencionales. Previene la ocurrencia de
errores en la formulación manual de horarios. Es un concepto
que ahorra mucho tiempo... Mientras que en un GA, después
de lograr un cronograma sin choques, la evolución continuó
al mismo ritmo, y siempre somos capaces de obtener una
mutación más aceptable.”[7].
8) Automated Large-scale Class Scheduling in MiniZinc
-Tema: Desarrollo de un sistema automatizado para la
generación de horarios de clase a gran escala utilizando el
lenguaje de programación MiniZinc.
-Proposito: Presentar una metodologı́a para la
programación automatizada de horarios de clases a gran
escala utilizando la herramienta de modelado y resolución de
problemas MiniZinc, centrandose en la descripción detallada
del modelo de programación de horarios de clases propuesto
y en la implementación de la solución utilizando MiniZinc.
-Resultado: ”,El rendimiento de este programador
de clases universitario es bastante notable. No solo la
universidad sino cualquier institución educativa que siga un
sistema similar también puede incorporar este sistema para
generar eficientemente su horario de clase... nto del sistema,
el sistema tiene muchas posibilidades de mejora. Dado
que la elección del solucionador afecta en gran medida el
rendimiento del sistema... Chuffed tiene el mejor rendimiento
comparativo”[14].

9) Combinación entre Algoritmos Genéticos y Aleatorios
para la Programación de Horarios de Clases basado en
Ritmos
-Tema: Utilización de algoritmos genéticos y aleatorios
para resolver el problema de programación de horarios de
clases en base a los ritmos cognitivos de los estudiantes.
-Proposito: Presentar una solución para el problema de
programación de horarios de clases en instituciones educa-
tivas, utilizando una combinación de algoritmos genéticos y
aleatorios basados en ritmos cognitivos, buscando lograr una
mejor distribución de las asignaturas y profesores en el horario
escolar, teniendo en cuenta las preferencias y necesidades de
los estudiantes y profesores.
-Resultado: ” Esta metodologı́a constituye una técnica
excelente para resolver esta clase de problema, la cual es por
lo menos un 19,5% más eficiente que las técnicas tradicionales
en la resolución de esta clase de problemas... bajo un enfoque
de programación lógica basado en ritmos cognitivos de los
estudiantes, representa una nueva metodologı́a no descrita en
la literatura”[4]
. componentes”[13].
B. Elaboración de horarios en empresas
A continuación, se presentarán algunos artı́culos
relacionados con el tema de soluciones para la programación
de horarios en empresas, para este ı́tem se contó con un total
de siete referencias.
1) A column generation approach for the driver scheduling
problem with staff cars
-Tema: Brindar una solucion al problema de programación
de conductores con vehı́culos de personal en la industria del
transporte
-Proposito: Presentar una metodologı́a para resolver
el problema de programación de conductores y vehı́culos
de personal en una organización, en particular en una
universidad, utilizando un enfoque de generación de columnas,
minimizando el costo total de la asignación de conductores y
vehı́culos para cubrir la demanda de transporte de personal en
un horario determinado, sujeto a varias restricciones, como
las capacidades de los vehı́culos, los tiempos de trabajo de
los conductores y las horas de llegada y salida de los pasajeros.
-Resultado: ”Se logró soluciones mejoradas para seis
instancias y se encontró que la mejora promedio fue
de 1.45%. El estudio indicó además que la evaluación
de las reglas de dominación en el SPPRC contribuyó
significativamente al tiempo total de cálculo del algoritmo
de generación de columnas... el rendimiento computacional
del algoritmo de generación de columnas se deteriora cuando
el número de restricciones aumenta durante el progreso del
algoritmo. La evidencia de esto está indicada por el aumento
4
en el tiempo de cálculo para resolver el RMP para instancias
de automóviles de personal”[12].
2) Assembly line balancing and activity scheduling for
customised products manufacturing
-Tema: Planificación y programación de la producción en
la fabricación de productos personalizados, especı́ficamente en
la asignación de tareas y el equilibrio de lı́neas de ensamblaje.
-Proposito: Presentar un enfoque para equilibrar la lı́nea
de producción y programar actividades en la fabricación de
productos personalizados. El artı́culo describe un modelo
matemático que puede utilizarse para asignar tareas y
equilibrar el trabajo en una lı́nea de producción, lo que puede
mejorar la eficiencia y la calidad del proceso de fabricación.
-Resultado: ”Los resultados sugieren que la adopción de
este procedimiento asegura una tasa de uso promedio del
operador superior al 90% evitando sobrecargas estructurales
para ellos con una utilización muy eficiente de las áreas
de la estación de trabajo para el almacenamiento de
3) New general mixed-integer linear programming model
for mobile workforce management
-Tema: Aplicación de un modelo de programación lineal
mixta para la gestión de la fuerza laboral móvil.
-Proposito: Presentar un modelo de programación lineal
entera mixta MILP para optimizar la gestión de la fuerza
de trabajo móvil en diferentes industrias, para resolver el
problema de asignación de trabajadores móviles a tareas
especı́ficas en un entorno dinámico y altamente cambiante.
-Resultado: Los resultados sugieren que el modelo
funciona mejor para un número bajo de sitios de tareas ya
que el algoritmo no pudo terminar el caso de prueba de 80
tareas como consecuencia de la naturaleza heurı́stica[21].
4) Job Scheduling Algorithm for a Hybrid MTO-MTS
Production Process
-Tema: Un algoritmo de programación de trabajos para un
proceso de producción hı́brido de fabricación bajo pedido y
fabricación para inventario.
-Proposito: Presentar un algoritmo de programación de
tareas para un proceso de producción hı́brido MTO-MTS.
Optimizar la planificación de tareas en un entorno de
producción que involucra tanto la fabricación bajo pedido
(MTO) como la fabricación para inventario (MTS).
-Resultado: ”La producción hı́brida MTO-MTS genera
problemas de decisión con respecto a la selección de
componentes que se producirán para almacenar y la
programación adecuada de la producción al complementar

el programa de referencia de los trabajos MTO con trabajos
MTS...Los componentes para la producción de MTS se
seleccionaron bajo el supuesto de minimizar el costo total
de almacenamiento y maximizar la probabilidad de que los
productos fabricados se vendan... El algoritmo propuesto
permite completar el algoritmo MTO inicial sin necesidad de
optimizar todas las tareas de producción, lo que lo hace útil
para pequeñas y medianas empresas.”[5].
5) Task scheduling in cloud environment: optimization,
security prioritization and processor selection schemes
-Tema: Planificación de tareas en entornos de nube (cloud
computing).
-Proposito: Presentar una solución para el problema de
programación de tareas en entornos de nube, que tiene
como objetivo maximizar la eficiencia y la seguridad de
los procesos. En particular, el artı́culo se enfoca en la
optimización de la asignación de tareas a procesadores y en
la priorización de la seguridad de las tareas crı́ticas.
-Resultado: ”la eficiencia del algoritmo HEFT original se
puede mejorar eligiendo el mejor resultado de los programas
de cada enfoque.
Aunque esto puede llevar a que el algoritmo tenga un costo
más alto, es un compromiso entre costo y rendimiento”[6].
6) Comparison of Bioinspired Algorithms Applied to the
Timetabling Problem in Sport
-Tema: Comparación de distintos algoritmos bioinspirados
utilizados para resolver el problema de la elaboración de
horarios en el ámbito deportivo.
-Proposito: Analizar y comparar diferentes algoritmos
bioinspirados para resolver el problema de programación de
horarios en el ámbito deportivo para determinar qué algoritmo
es el más adecuado para generar horarios que satisfagan
las restricciones especı́ficas del ámbito deportivo, como la
disponibilidad de instalaciones, el tiempo de descanso entre
eventos y la distancia entre ubicaciones.
-Resultado: En los resultados aunque no se notaron mejoras
con los datos propuestos se noto como el algortimo nsga es
más confiable al tener menos dispersion en sus soluciones y
tambien obtuvo un minimo de conflictos estudiantiles con los
horarios bajando la probabilidad de cambios por parte del
usuario[18]
7) Schedule reliability in liner shipping timetable design:
A convex programming approach
-Tema: Mejora de la confiabilidad y puntualidad en
los servicios de transporte marı́timo de lı́nea mediante la
aplicación de técnicas de programación convexa en el diseño
de horarios de embarque.
5
-Proposito: Proponer un modelo de programación convexa
para mejorar la fiabilidad del cronograma de envı́o de lı́neas
en el diseño del horario de envı́o abordando el problema
de la fiabilidad de dichos horarios de envı́o, que es un
problema crı́tico en la industria naviera y puede tener un
impacto significativo en los costos y la satisfacción del cliente.
-Resultado: ”El modelo se puede usar en tiempo real
para guiar la selección de la velocidad de navegación y el
ajuste del horario a los puertos aguas abajo al resolver la
relajación convexa en función de la última actualización
sobre la duración restante del viaje, las últimas estimaciones
de los retrasos en el puerto y la navegación, y también el
presupuesto de combustible restante disponible... Se enfoca
en una decisión a nivel táctico, diseño de cronograma y no
considera decisiones de recuperación a nivel operativo.” [20].
8) Optimizing the Maintenance Schedule of a Combined
Cycle Gas Turbine Considering Different Maintenance Types
and Operating Hours
-Tema: Optimización del programa de mantenimiento
de una turbina de gas de ciclo combinado considerando
diferentes tipos de mantenimiento y horas de operación.
-Proposito: Presentar un modelo matemático para
optimizar la planificación del mantenimiento de una turbina
de gas de ciclo combinado, considerando diferentes tipos de
mantenimiento y horas de operación, con el fin de mejorar la
confiabilidad y eficiencia de la turbina y reducir los costos de
mantenimiento.
-Resultado: Los resultados obtenidos arrojaron ”Cuanto
mayor sea el 453 tamaño de una instancia, mayor será el
454 tiempo computacional... el costo total de mantenimiento
depende 455 de dos factores: (1) el mı́nimo y el máximo
permitido de semanas de funcionamiento 456 y (2) la
magnitud de la demanda 457 de electricidad. Cuanto más
altos sean los valores de las semanas de funcionamiento 458
mı́nimas y máximas permitidas, menor será el costo total
459 de mantenimiento. Por el contrario, cuanto mayor sea la
magnitud 460 de la demanda de electricidad, mayor será el
costo total 461 de mantenimiento” [19]
C. Articulos que pueden aportar a la solución
1) Organizing sports matches with a hybrid monkey search
algorithm
-Tema: Utilización del algoritmo hı́brido de búsqueda
de monos (Hybrid Monkey Search Algorithm) para la
organización de partidos deportivos.
-Proposito: Proponer un algoritmo hı́brido basado en la
búsqueda de mono para resolver el problema de programación
de partidos deportivos, donde presenta una solución para la

asignación de partidos de manera eficiente, teniendo en cuenta
las restricciones y preferencias de los equipos involucrados.
-Resultado: ”Las consecuencias detrás del procedimiento
sugerido han abordado varios pasos para alcanzar un
calendario óptimo para una variedad de equipos para el
mismo campeonato mediante un software creado para simular
el algoritmo hı́brido de mono para obtener la solución de
forma fácil. El rendimiento del algoritmo presentado fue muy
bueno al proporcionar una organización flexible y fácil de
partidos deportivos sin utilizar la rutina clásica o manual”[16]
2) EEOA: Cost and Energy Efficient Task Scheduling in a
Cloud-Fog Framework
-Tema: Programación de tareas eficiente y rentable en un
entorno de nube-niebla (cloud-fog) considerando los costos y
el consumo de energı́a.
-Proposito: Proponer un nuevo enfoque para la
programación de tareas en un entorno de nube y niebla
(cloud-fog) que sea eficiente en términos de costo y
energı́a, utilizando algoritmos de optimización y técnicas
de aprendizaje automático para mejorar el rendimiento y la
eficiencia energética de los sistemas de computación en la
nube.
-Resultado: Los resultados experimentales muestran que
el algoritmo propuesto es capaz de obtener una solución
óptima o cercana a la óptima en un tiempo razonable y
mejora significativamente el costo y el consumo de energı́a en
comparación con otros algoritmos de programación de tareas.
”. El método de programación presentado funciona mejor
que los métodos alternativos en general en todos los flujos
de trabajo cientı́ficos y todas las medidas de rendimiento de
acuerdo con los resultados. Se mantiene razonablemente bien
frente a otros procedimientos y produce los mejores resultados
en el menor tiempo posible.. Una de las limitaciones que
descubrimos en nuestra investigación actual es que nuestro
algoritmo no puede predecir las próximas cargas de trabajo y
no puede decidir si descargar o no la tarea”[8]
3) MAA: multi-objective artificial algae algorithm for
workflow scheduling in heterogeneous fog-cloud environment
-Tema: Propuesta de un algoritmo llamado MAA (Multi-
Objective Artificial Algae Algorithm) para la planificación de
flujos de trabajo en un entorno heterogéneo de fog-cloud.
-Proposito: Presentar un nuevo algoritmo de optimización
llamado Multi-Objective Artificial Algae Algorithm (MAA)
para la planificación de flujos de trabajo en entornos
heterogéneos de nube y niebla. Describe cómo MAA puede
optimizar múltiples objetivos, como la minimización del
tiempo de ejecución del flujo de trabajo, la minimización de
los costos y la maximización de la utilización de recursos en
la nube y la niebla.
6
-Resultado: ”Al principio, el algoritmo propuesto
preprocesa los flujos de trabajo cientı́ficos para eliminar
las tareas de cuello de botella. Luego, el algoritmo se
usa para programar la lista de tareas preprocesadas en las
máquinas virtuales disponibles. El enfoque propuesto está
respaldado por hallazgos experimentales sobre flujos de
trabajo cientı́ficos tomados de varias áreas de investigación.
Con respecto a los parámetros de rendimiento especificados,
como el tiempo de ejecución, el consumo de energı́a y el
costo, el método supera a todos los algoritmos existentes”[17].
4) Electric bus planning & scheduling: A review of related
problems and methodologies
-Tema: Planificación y programación de autobuses
eléctricos, y proporciona una revisión de los problemas y
metodologı́as relacionadas con esta área.
-Proposito: Proporcionar una revisión exhaustiva de los
problemas y metodologı́as relacionados con la planificación y
programación de autobuses eléctricos, en el articulo se revisa
la literatura existente sobre el tema y analiza los diferentes
enfoques y modelos utilizados para abordar los desafı́os en
la planificación y programación de autobuses eléctricos en
términos de costos, eficiencia energética, tiempos de viaje y
otras restricciones operativas
-Resultado: ”Debido a las limitaciones y desafı́os de
las tecnologı́as de autobuses eléctricos, se deben realizar
ajustes adicionales a los problemas actuales de planificación
del transporte en autobús. Por lo tanto, la programación de
vehı́culos eléctricos se reconoce como un área de investigación
crucial y de rápido crecimiento. En este documento, revisamos
43 artı́culos relacionados con las tecnologı́as de autobuses
eléctricos y brindamos una descripción general de los
diferentes problemas en el proceso de planificación de
autobuses eléctricos (estratégicos, tácticos y operativos)” [11]
IV. M ENDELEY Y VOSVIEWER
A continuación se observa el mapa de conexión a través de
los artı́culos consultados y el análisis que pudimos establecer
con las bibliografı́as apoyados en las herramientas Mendeley
y VosViewer.
En la Fig. 1. Se observa el mapa de todos los términos y
las relaciones entre estos donde se contó con un total de 84
términos, donde podemos percibir 13 mapas de relaciones
entre terminos.
En la Fig. 2. nos encontramos con cuatro tipos de términos
entre los cuales se encuentran en verde conceptos relacionados
con horarios(un término del que nombra bastante por eso su
tamaño), algoritmos genéticos y tiempos en universidades; en
amarillo términos como fuerza de trabajo móvil, MILP y VRP
algoritmos que se hablan en los artı́culos; en azul términos
de optimización (un término del que se habla bastante en

Fig. 1. Mapa de principal de conceptos
Fig. 2. Mapa de principal de conceptos
los articulo razón de su tamaño), heurı́stica, combinatoria y
algoritmo del mono, por último en rojo una gran cantidad de
términos relacionado con algoritmos hı́bridos de producción
y planeación de producción.
Fig. 3. Mapa de principal de conceptos
En la Fig. 3. se observa un mapa de concentración de
términos donde a modo de mapa de calor la mayor parte de
7
términos se concentran en 2 grandes conexiones; la primera
los términos que acompañan a los algoritmos genéticos y las
tablas de tiempo en universidades, la segunda acompaña a los
términos de planeación de producción y producción hibrida,
algo interesante para recalcar es el color de horarios que a
pesar de estar sola muestra una gran concentración podemos
atribuirlo a que se presenta esto por ser el tema principal en
la investigación.
Fig. 4. Mapa de principal de conceptos
En la Fig. 4. se observa un mapa del tiempo el cual se
mueve entre los años 2014 y 2022 pasando de azul a verde
y de verde a amarillo correspondientemente, en este punto
observamos que entre los años 2014 y 2016 se habla bastante
de algoritmos genéticos y tiempos de universidades, en verde
entre los años 2016 y 2020 se habla de los horarios, en 2020
se ve más vinculado términos como el algoritmo de monos,
heurı́stica y combinacional y para 2022 términos como los
algoritmos MILP y VRP, ası́ como los términos relacionado
con producción hibrida y planeación de producción.
V. C ONCLUCIONES
Este permite tener una visión mas acertada sobre lo
que se ha hecho recientemente sobre la problemática de
la elaboración de horarios, podemos notar como en los
horarios o programación de tareas de las empresas se
trabaja bastante en la nube con tecnologı́a de nube y niebla,
buscando principalmente mitigar o asignar una carga baja
de trabajo. En cuanto a los horarios para universidades
vemos una inclinación por técnicas de automatización usando
inteligencia artificial, redes neuronales y las más usada
algoritmos genéticos, buscando tener en cuenta el ritmo
cognitivo de los estudiantes incluso en algunos casos tratando
temas mas amplios como la asignación de aulas y profesores.
Lo que tiene en común los documentos investigados son
los modelos matemáticos desde los cuales se busca abarcar
las variables y recomendaciones para la creación de un
horario, modelos que en algunos casos suelen ser demasiados
dependiendo el acote del problema, factor clave para el éxito
y el cubrimiento en términos de tiempo.
 8

R EFERENCES
[1] I. A. Abduljabbar and S. M. Abdullah. An evolutionary algorithm
for solving academic courses timetable scheduling problem. Baghdad
Science Journal, 19:399–408, 4 2022.
[2] J. Arias-Osorio and A. Mora-Esquivel. A solution to the university
course timetabling problem using a hybrid method based on genetic
algorithms. DYNA, 87:47–56, 11 2020.
[3] N. M. Arratia-Martinez, C. Maya-Padron, and P. A. Avila-Torres.
University course timetabling problem with professor assignment. Math-
ematical Problems in Engineering, 2021:1–9, 1 2021.
[4] O. D. Castrillón. Combinación entre algoritmos genéticos y aleatorios
para la programación de horarios de clases basado en ritmos cognitivos.
Información tecnológica, 25:51–62, 2014.
[5] W. Danilczuk, A. Gola, and P. Grznar. Job scheduling algorithm for a
hybrid mto-mts production process. IFAC-PapersOnLine, 55:451–456,
1 2022.
[6] T. Hai, J. Zhou, D. Jawawi, D. Wang, U. Oduah, C. Biamba, and
S. K. Jain. Task scheduling in cloud environment: optimization,
security prioritization and processor selection schemes. Journal of Cloud
Computing, 12:15, 1 2023.
[7] M. K. Kakkar, J. Singla, N. Garg, G. Gupta, P. Srivastava, and A. Kumar.
Class schedule generation using evolutionary algorithms. Journal of
Physics: Conference Series, 1950:012067, 8 2021.
[8] M. S. Kumar and G. R. Karri. Eeoa: Cost and energy efficient task
scheduling in a cloud-fog framework. Sensors, 23:2445, 2 2023.
[9] J. C. Manzano, A. F. O. Soliven, A. M. B. Llamas, S. M. V. Tinsay,
B. P. V. Samson, and R. A. Cabredo. Using boolean satisfiability
solvers to help reduce cognitive load and improve decision making when
creating common academic schedules. Proceedings of the 2021 CHI
Conference on Human Factors in Computing Systems, pages 1–13, 5
2021.
[10] M. Mokhtari, M. V. Sarashk, M. Asadpour, N. Saeidi, and O. Boyer.
Developing a model for the university course timetabling problem: A
case study. Complexity, 2021:1–12, 12 2021.
[11] S. S. Perumal, R. M. Lusby, and J. Larsen. Electric bus planning &
scheduling: A review of related problems and methodologies. European
Journal of Operational Research, 301:395–413, 9 2022.
[12] S. S. G. Perumal, J. Larsen, R. M. Lusby, M. Riis, and T. R. L.
Christensen. A column generation approach for the driver scheduling
problem with staff cars. Public Transport, 14:705–738, 10 2022.
[13] F. Pilati, G. Lelli, A. Regattieri, and E. Ferrari. Assembly line balancing
and activity scheduling for customised products manufacturing. The In-
ternational Journal of Advanced Manufacturing Technology, 120:3925–
3946, 5 2022.
[14] M. M. Rahman, S. B. Noor, and F. H. Siddiqui. Automated large-scale
class scheduling in minizinc. 2020 2nd International Conference on
Sustainable Technologies for Industry 4.0 (STI), pages 1–6, 11 2020.
[15] J. E. H. Rivera. A hybrid recommender system to enrollment for
elective subjects in engineering students using classification algorithms.
International Journal of Advanced Computer Science and Applications,
11:400–406, 2020.
[16] R. Z. Shaban and I. N. Alkallak. Organizing sports matches with a hybrid
monkey search algorithm. Indonesian Journal of Electrical Engineering
and Computer Science, 22:542, 4 2021.
[17] P. Shukla and S. Pandey. Maa: multi-objective artificial algae algorithm
for workflow scheduling in heterogeneous fog-cloud environment. The
Journal of Supercomputing, 2 2023.
[18] J. Silva, D. Cabrera, J. Maco, M. Villón, J. G. Guliany, A. Roncallo,
and H. H. Palma. Comparison of bioinspired algorithms applied to the
timetabling problem in sport. Procedia Computer Science, 170:965–970,
2020.
[19] V. F. Yu, Y.-S. Lin, P. Jodiawan, M.-D. He, and S.-W. Lin. Optimizing
the maintenance schedule of a combined cycle gas turbine consider-
ing different maintenance types and operating hours. IEEE Access,
10:98872–98881, 2022.
[20] A. Zhang, Z. Zheng, and C.-P. Teo. Schedule reliability in liner shipping
timetable design: A convex programming approach. Transportation
Research Part B: Methodological, 155:499–525, 1 2022.
[21] A. Éles, I. Heckl, and H. Cabezas. New general mixed-integer linear
programming model for mobile workforce management. Optimization
and Engineering, 23:479–525, 3 2022.