Σκοπός της διπλωματικής είναι ο σχεδιασμός, η ανάλυση και η υλοποίηση σύγχρονων αλγορίθμων υπολογιστικής νοημοσύνης Cuckoo Search για την επίλυση του προβλήματος Nurse Rostering και κατ’ επέκταση τη δημιουργία βέλτιστων ωρολογίων προγραμμάτων εργασίας για το προσωπικό νοσοκομειακών ιδρυμάτων με σκοπό τη χρήση τους από τα ιδρύματα για τη βελτίωση των υπηρεσιών που προσφέρουν.

Για να αποδειχθεί η αποτελεσματικότητα και η απόδοση των αλγορίθμων που θα αναπτυχθούν, τα αποτελέσματά τους θα συγκριθούν με τα αποτελέσματα άλλων αλγορίθμων που έχουν εφαρμοστεί στο ίδιο πρόβλημα. Για το λόγο αυτό επιλέχθηκε η υιοθέτηση των κανόνων και των δεδομένων εισόδου του δεύτερου διεθνή διαγωνισμού προγραμματισμού νοσηλευτικού προσωπικού (INRC-II) ο οποίος διεξήχθη το 2015.
Με βάση τα δεδομένα του διαγωνισμού, το πρόβλημα περιλαμβάνει 4 αυστηρούς και 7 χαλαρούς περιορισμούς, με οριοθετημένες ποινές επιβάρυνσης για κάθε περιορισμό, δεξιότητες προσωπικού, συγκεκριμένες απαιτήσεις βαρδιών ανά ημέρα και θα πρέπει να εξετασθεί υπολογίζοντας τις λύσεις ανά διαδοχική εβδομάδα. Ακόμη, διατίθενται εφαρμογές ελέγχου και αξιολόγησης των υπολογιζόμενων λύσεων οπότε η σύγκριση της απόδοσης με τα δημοσιευμένα στοιχεία του διαγωνισμού μπορεί να θεωρηθούν αξιόπιστα.

Επιπλέον, θα υλοποιηθεί ένα ολοκληρωμένο γραφικό περιβάλλον χρήστη, όπου θα επιλέγονται τα αρχεία δεδομένων εισόδου και θα παρουσιάζει τα αποτελέσματα της εκτέλεσης των αλγορίθμων, ενώ θα δίνει την δυνατότητα για την παραμετροποίηση και τον πειραματισμό με τις τιμές παραμέτρων των αλγορίθμων που αναπτύχθηκαν.

Η περιπλοκότητα του προβλήματος Nurse Rostering θεωρείτε ως NP-πλήρης και επομένως δεν συνίσταται η επίλυση του με χρήση αλγορίθμων εξαντλητικής αναζήτησης. Οι σύγχρονες μεταευρετικές τεχνικές έχουν οδηγήσει στην προσεγγιστική επίλυση κάποιων τόσο σύνθετων προβλημάτων. Σε αυτή την κατηγορία αλγορίθμων ανήκει και η Αναζήτηση Κούκου και σκοπός μου είναι να ερευνηθεί η ποιότητα και η μεταβλητότητα των παραγόμενων λύσεων και δευτερευόντως οι απαιτούμενοι υπολογιστικοί χρόνοι.

Η απλότητα του αλγορίθμου Αναζήτησης Κούκου δείχνει πως η απόδοση της εφαρμογής επίλυσης θα εξαρτηθεί κυρίως από την απόδοση των μεθόδων διαχείρισης των  δεδομένων του προβλήματος, όπως είναι η αντικειμενική συνάρτηση και οι τεχνικές αναζήτησης νέων λύσεων στον χώρο επίλυσης του προβλήματος.

The purpose of this thesis is the design, analysis and implementation of modern Cuckoo Search based computational intelligence algorithms to solve the Nurse Rostering problem and consequently to create optimal work schedules for hospital staff for use by institutions to improve the services they offer.

To prove the effectiveness and performance of the algorithms to be developed, their results will be compared with the results of other algorithms that have been applied to the same problem. For this reason, the adoption of the restrictions and input data of the second international nursing staff programming competition (INRC-II) which was held in 2015 was chosen.

Based on the competition data, the problem presents 4 hard and 7 soft constrains types, with the respective weight for each restriction, staff skills, specific shift requirements per day and should be examined by calculating the solutions per each consecutive week. In addition, applications for testing and scoring the calculated solutions are available, so the comparison of performance with the published tender data can be considered dependable.

In addition, an integrated graphical user interface will be implemented where the input data files and the customization and experimentation with the parameter values of the algorithms developed will be available to the user and the results of the execution will be presented.

The complexity of the Nurse Rostering problem is considered as NP-hard and therefore it is not recommended to solve it using exhaustive search algorithms. Modern metaheuristic techniques have led to the approximate solution of some such complex problems. The cuckoo search belongs to this category of algorithms and my aim is to study the quality and variability of the solutions produced and secondarily the required computational times performance.

The simplicity of the cuckoo search algorithm shows that the performance of the solver application will depend mainly on the performance of the methods of handling the problem data such as the objective function and the techniques of searching for new solutions in the solutions space.