论文部分内容阅读
随着医疗体制改革的进行,人们对医疗服务质量的要求越来越高。手术部作为医院的核心部门,与患者的健康乃至生命安全息息相关,其服务质量更是引起了医院和患者的高度重视。优化安排患者手术,尽量缩短患者手术的等待时间,以减小病情恶化或者感染的风险;调节手术医生的日工作量,防止其因为过度疲劳而造成的手术事故;减少影响患者手术的种种不合理现象的发生,创造一个良好的手术环境,是本文研究的意义所在。所谓手术排程问题,在宏观上包括计划和调度两个层面,即根据医院的手术能力及患者的病情需求,合理安排患者的手术时间、手术室及先后顺序的过程。根据所考虑因素和实际背景的差异,其侧重点在研究过程中会有所不同。本文主要研究了以下三个问题。患者手术日期指派问题。在考虑患者优先等级及医生出诊日等因素下,建立以患者满意度最大为目标的整数规划模型。开发了求解该模型的遗传算法,并与基于患者优先级的启发式算法、CPLEX进行了比较分析,说明了模型的有效性及算法的性能。面向手术室分级管理的手术排程问题。根据医疗体制改革中提出的新政策—手术室分级管理,创新的将手术室的组织架构融合在问题的建模求解过程当中。在综合考虑患者、手术室、医生三维限制因素下,分别建立了计划层和调度层的手术排程模型,分析了模型的通用性;在调度层开发两阶段无等待手术排程启发式算法(TNSS),并分别与离散粒子群算法(DPSO)以及经典启发式规则FCFS、SPT、LPT相结合,构成DPSO-TNSS、F-TNSS、S-TNSS、L-TNSS算法对问题进行求解,并比较分析了不同参数规模下算法的性能。手术时间不确定情况下的多目标手术排程问题。采用三点时间估计法预测患者的手术时长均值和方差,在考虑手术计划不能完成的风险最小以及住院期间患者病情感染或恶化的风险最小双目标情况下,建立了手术排程模型,并分析了均值和方差对目标造成的影响。使用多目标粒子群(MOPSO)算法求解本问题,为了发挥粒子群算法在解决多目标问题上快速收敛的优势,将离散粒子群问题转化为连续粒子群问题,使用ε支配概念保证了解分布的多样性,并分析了在不同参数取值情况下算法的性能。