Implementación de un sistema de asignación automática y gestión de aulas en el Campus Sur de la Universidad Politécnica Salesiana

El presente documento tiene como objetivo desarrollar un prototipo a la dificultad que afronta hoy en día la Universidad Politécnica Salesiana Sede Quito Campus Sur, dentro del proceso de asignación de horarios y aulas, las mismas que se realizan de manera manual, lo cual puede conllevar a cometer errores dejando como consecuencia la inversión de más tiempo para la corrección de las novedades presentadas, de la misma manera puede concurrir en una falta de optimización de aulas y distancia recorrida por parte de los estudiantes. Se propone el desarrollo de un prototipo usando un algoritmo genético [1], implementado en base de datos, probando una alta eficacia en el consumo de recursos computacionales, en donde la última generación será la más óptima dentro de la asignación de horarios y aulas de clases, teniendo así una eficiencia en los tiempos de los estudiantes y espacios de la universidad, así mismo de implementar una arquitectura de datos la cual permita administrar las variables usadas por el algoritmo, los cuales permitan calibrar las variables que usa el proceso de asignación y para la ejecución del algoritmo genético. The objective of this document is to develop a prototype of the difficulty faced by the Universidad Politécnica Salesiana Sede Quito Campus Sur today, within the process of assigning timetables and classrooms, which are carried out manually, which can lead to making mistakes, leaving therefore the investment of more time for the correction of the novelties presented, in the same way it can concur in a lack of optimization of classrooms and distance traveled by students. The development of a prototype is proposed using a genetic algorithm [1], implemented in a database, proving a high efficiency in the consumption of computational resources, where the latest generation will be the most optimal within the allocation of schedules and classrooms of classes, thus having an efficiency in the times of the students and spaces of the university, as well as implementing a data architecture which allows to manage the variables used by the algorithm, which allow to calibrate the variables used by the allocation process and for the execution of the genetic algorithm.