Cueva Moscoso, RonyRomero Salinas, Jeison Tonny2025-03-042025-022025-03-04http://hdl.handle.net/20.500.12404/30105La investigación aborda la implementación de un algoritmo de colonia de abejas para mejorar la planificación de distribución de ayuda humanitaria en situaciones de desastres naturales en Perú. Este estudio se fundamenta en la necesidad de mejorar la gestión y distribución de recursos en respuesta a eventos como terremotos e inundaciones, que suelen afectar gravemente a las poblaciones y donde la rapidez y eficiencia son cruciales. Por lo tanto, en situaciones de desastre, la escala y la velocidad de la respuesta humanitaria son cruciales para salvar vidas y aliviar el sufrimiento. El objetivo principal es implementar dicho algoritmo para lograr una distribución más eficiente en términos de cobertura y equidad, comparando su desempeño con el de un algoritmo genético previamente utilizado. El estudio se basa en los principios de los algoritmos bioinspirados, que imitan el comportamiento colectivo de organismos para resolver problemas complejos. Se adopta un enfoque metodológico basado en el desarrollo y prueba del algoritmo propuesto, utilizando herramientas como C++, Python y técnicas de programación extrema. El procedimiento incluye la definición de variables clave, la construcción del pseudocódigo, y la experimentación numérica para comparar ambos algoritmos. Los resultados esperados incluyen una distribución más eficiente y justa de la ayuda, con menor costo operativo. Finalmente, una vez culminado el trabajo de investigación se concluye que el algoritmo de colonia de abejas ofrece una solución prometedora para la optimización de la distribución en situaciones de emergencia, proporcionando mejoras en eficiencia y tiempo de respuesta en comparación con el algoritmo genético.info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Algoritmos bioinspiradosLenguajes de programación (Computadoras)Administración de emergencias--PerúDesastres naturales--Perúinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.00.00