近年来人口老龄化趋势越发明显,来自老年人口的护理需求不断增加,这大大增加了社会对医疗服务的需求,然而医疗资源是十分有限的,迅速增长的医疗需求与有限的医疗资源供给之间产生了巨大的矛盾,如何平衡两者间的关系成为了社会急需解决的问题。目前家庭护理服务已作为一种解决该问题的有效手段被逐渐采纳。家庭护理服务为应对病人及年老行动不便者的多项需求(比如医疗、清洁、采购杂货等等),由社会公立机构或者一些医疗公司组织具备相应技能的护理人员前往需求者家里为其提供适当的医疗和社会服务。家庭护理服务使得病人在家即可接受医疗服务,同时还能有效缓解这部分病人对医院资源的占用,减轻医疗系统的负担。在操作层面,家庭护理涉及诸多优化问题,比如,医护人员的排班问题、医护人员与客户之间的匹配问题、医护人员的路径规划问题等。如何对医护人员进行排班调度和路径规划以最大程度降低成本减少开支是家庭护理研究中所面临的关键问题。同时,在实际场景中存在着多种不确定因素,都会对医护人员的排班调度以及路径安排产生一定程度的影响。因此,本文从现实场景中抽取了两种主要的随机因素——医护人员在途旅行时间不确定和病人需求不确定,分别建立了两种以一周为计划周期的两阶段随机规划模型。由于随机规划模型自身的复杂性,加之实际场景中的家庭护理优化问题规模较大(医护人员和病人数量庞大),使得模型的求解面临较大的困难。为此,本文设计了一种混合的遗传算法用以求解模型。同时,为测试算法的性能,本文在考虑实际情况的基础上,自行设计了大、小共30个数据集作为测试用例(目前在家庭护理优化领域还没有公开的可以用作参照基准的数据集),分别测试该算法在大、小规模问题上的求解性能。通过对比遗传算法与Gurobi求解器在相同数据集上的求解表现,发现遗传算法不仅能保证求解结果的最优性,而且在计算耗时上具有巨大的优势。