Este repositorio contiene el desarrollo realizado por Néstor Torres Díaz para el Trabajo de Fin de Grado titulado Desarrollo de Algoritmos Dirigidos por Retos: Optimización de un modelo de simulación para la planificación de la capacidad y recursos de hospitales durante la pandemia de COVID-19.

Ir a la instalación

Para llevar a cabo el desarrollo del proyecto se ha realizado un fork del repositorio de la librería GeneticsJS.

Es en este fork donde se han implementado ciertas características necesarias para poder desarrollar el trabajo de final de grado que aquí se aborda, de manera que se usan de apoyo todas las clases que esta librería proporciona y a las cuales se le han añadido nuevos individuos, mutaciones y características concretas.

Por otro lado, en el repositorio donde nos encontramos se ha realizado la implentación de un algoritmo de búsqueda aleatoria y un algoritmo genético, los cuales tienen como objetivo el lanzar simulaciones del simulador Babsim.Hospital tratando de encontrar configuraciones de los parámetros de entrada al simulador que sean lo más cercanas posible a la óptima.

El software Babsim.Hospital está en constante actualización y el repositorio del mismo se encuentra situado en gitlab.

Por otro lado, el paquete dispone de documentación dentro de la página oficial de CRAN, en donde se pueden encontrar tanto los comprimidos con el código fuente del paquete, como también manuales donde se explica el funcionamiento del mismo.

Para poder ejecutar el código fuente desarrollado durante el proyecto, es importante el tener instalado R. Para ello deberemos realizar la instalación en base al sistema operativo en el que estemos trabajando.

• Guía de instalación de R

Tras haber realizado la instalación de R se debe comprobar que se ha instalado correctamente:

# Comprobar la versión de R instalada
R --version

# Ejecutar R
R

# Ejecutar Rscript
Rscript

En caso de no tener instalado R y Rscript no se recomienda seguir con el proceso de instalación puesto que no se realizará con éxito.

Si realiza este paso puede obviar el resto de instalaciones manuales.

Con este makefile se nos instalarán todas las dependencias del proyecto, del submódulo de git y de R.

# Clonamos el repositorio
git clone https://github.com/dtote/tfg-optimization-of-simulation-model-for-resource-planning-in-hospitals.git optimization

# Nos movemos al directorio donde se encuentra el proyecto
cd optimization

# Ejecutamos el makefile con permisos de administrador
sudo make install

En caso de tener problemas con la instalación de las dependencias de R, tratar de realizar la instalación manual de dependencias de R.

Si se ha realizado correctamente esta instalación, vete a modo de uso de script en r.

# Clonamos el repositorio
git clone https://github.com/dtote/tfg-optimization-of-simulation-model-for-resource-planning-in-hospitals.git optimization

# Nos movemos al directorio donde se encuentra el proyecto
cd optimization

# Instalar las dependencias del proyecto
npm install

# Inicialización y actualización del submódulo de git correspondiente al fork de GeneticsJS
git submodule init
git submodule update

# Instalación de dependencias del submódulo de git correspondiente al fork de GeneticsJS

## Nos movemos al submódulo
cd src/GeneticsJS

## Dentro del submódulo nos movemos a la rama master
git checkout master

## Instalamos las dependencias del submódulo
npm install

## Volvemos a la raiz del proyecto
cd ../..

Es necesario tener permisos de escritura sobre la librería de R para poder instalar las dependencias, ya que de lo contrario nos dirá que no se puede escribir en la misma.

Warning in install.packages("devtools", repos = "http://cran.us.r-project.org") :
  'lib = "/usr/lib64/R/library"' is not writable

Si recibimos un error similar a este, es porque no tenemos permisos de escritura sobre la librería de R. Para dar permisos de escritura de forma recursiva a un path concreto, podemos ejecutar lo siguiente:

sudo chmod -R u+rw pathname

# En nuestro caso, sería algo como esto
sudo chmod -R u+rw /usr/lib64/R

Ahora podremos pasar a instalar las dependencias que necesitamos tener cargadas en R para poder ejecutar el simulador.

# Instalamos las dependencias

Rscript -e 'install.packages("devtools", repos = "http://cran.us.r-project.org")'
Rscript -e 'devtools::install_github("https://github.com/RcppCore/Rcpp")'
Rscript -e 'devtools::install_github("r-lib/devtools")'
Rscript -e 'devtools::install_git(url = "http://owos.gm.fh-koeln.de:8055/bartz/spot.git")'
Rscript -e 'install.packages(c("golem", "igraph", "lubridate", "markovchain", "padr", "rvest", "simmer", "slider", "plyr", "stringr", "checkmate"), repos = "http://cran.us.r-project.org")'

# Realizamos la instalación del paquete babsim.hospital a través del comprimido situado en el repositorio
Rscript -e 'install.packages ("babsim/babsim.hospital_11.8.4.tar.gz", repos=NULL, type="source")'

Tras haber realizado toda la instalación de manera correcta, ya tenemos dentro de nuestras librerías de R, todos los paquetes necesarios para proceder con la ejecución de las simulaciones

El script planteado para realizar ejecuciones del simulador podemos invocarlo de la siguiente manera:

# Nos situamos en la raíz del proyecto y ejecutamos el script
Rscript babsim/BabsimHospital.R 9 12 5 8 3 5 3 6 34 17 4 3 1.0378014745722273 0.14697676641854834 0.09857584591242897 0.015152198475942381 0.12516932683326826 0.001926416505314644 0.10111719895736802 0.3001806967553087 0.11222952263581498 0.8315922547208356 0.00017694618815243727 2 0.26360070211595554 0.0619840922131247 1 4 0.6179578689218207

En este caso, estamos llamando a Rscript, pasándole el script a ejecutar, el cual está situado dentro de la carpeta babsim, además de pasarle también los 29 parámetros de entrada que necesita el simulador para realizar una simulación.

Para realizar ejecuciones del algoritmo de búsqueda aleatoria si que necesitaremos ejecutar código Typescript, para lo cual haremos uso del paquete ts-node, el cual es un motor de ejecución de Typescript y REPL para node.js, el cual transformará todo el código a Javascript y lo ejecutará sobre la marcha.

Además de esto, se ha añadido la librería de node yargs la cual nos permite parsear de manera cómoda todos los argumentos indicados en la línea de comandos.

Para ejecutar el algoritmo de búsqueda aleatoria debemos tener en cuenta que se puede configurar la cantidad de veces que queremos que se lanze y el número de iteraciones que queremos que realize, durante las cuales el algoritmo se encargará de encontrar la mejor solución posible.

Si invocamos la guía de ayuda, obtendremos el siguiente resultado:

Por lo tanto, usos válidos de dicho algoritmo podrían ser los que siguen:

# Ejecuta con todos los valores por defecto
npm run random-search

# Ejecuta la búsqueda aleatoria con 5 iteraciones 5 veces y el resultado lo almacena en un fichero con el nombre especificado
npm run random-search -- -i 5 -t 5 -o random_search_result

# Mismo comando, sintaxis alternativa
npm run random-search -- --iterations 5 --times 5 --output random_search_result

El algoritmo genético podría llegar a tener demasiados elementos configurables, por lo tanto, se ha decidido minimizar estas configuraciones de manera que se haga uso de unas configuraciones preestablecidas, además de permitir configurar ciertos parámetros concretos.

Si invocamos la guía de ayuda, obtendremos el siguiente resultado:

Por lo tanto, usos válidos de dicho algoritmo podrían ser los que siguen:

# Ejecuta con todos los valores por defecto
npm run genetic

# Ejecuta el genético con tamaño de poblacion 5, con 5 generaciones, con probabilidad de cruce 0,8, con mutacion uniforme, y el resultado lo arroja en un fichero con el nombre ga_result.json
npm run genetic -- -p 5 -g 5 -c 0.8 -f uniform.ts -o ga_result

# Mismo comando, sintaxis alternativa
npm run genetic -- --population 5 --generations 5 --crossoverRate 0.8 --file uniform.ts --output ga_result

Aparte de estos ejemplos, se puede hacer un uso simultáneo de los parámetros, de manera que podríamos por ejemplo, utilizar una configuración de las ya establecidas, además de configurar el número de individuos de la población, las réplicas a ejecutar por individuo y el número de generaciones.