面向择期患者手术排程问题的模型及算法研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题来源、选题依据和背景情况
• 1.2 课题的目的及意义
• 1.3 研究目标与主要研究内容
• 1.4 研究的技术路线与方法
• 1.5 主要研究结果
• 第2章 手术排程问题的研究综述
• 2.1 手术运作模式与流程
• 2.2 手术排程问题分类
• 2.2.1 面向不同患者类型的手术排程
• 2.2.2 考虑确定性及不确定性因素的手术排程
• 2.2.3 计划层、调度层及预测层排程问题
• 2.3 衡量手术排程的性能指标
• 2.3.1 鲁棒性
• 2.3.2 通用性
• 2.3.3 经济性
• 2.3.4 人性化
• 2.3.5 流程化
• 2.4 手术排程问题的建模综述
• 2.4.1 模型的影响因素
• 2.4.2 模型的决策内容
• 2.4.3 模型的目标函数
• 2.5 手术排程问题的求解方法综述
• 2.5.1 基于数学规划模型的求解算法
• 2.5.2 启发式求解算法
• 2.5.3 仿真方法
• 2.6 本章小结
• 第3章 择期患者手术指派问题的满意度模型及遗传算法
• 3.1 择期患者手术日期指派问题
• 3.1.1 问题描述
• 3.1.2 择期患者手术日期指派问题的满意度模型
• 3.2 手术日期指派问题的遗传算法
• 3.2.1 算法的技术关键点
• 3.3 手术日期指派问题基于患者优先级的启发式算法
• 3.4 实验结果分析
• 3.4.1 实验参数设置
• 3.4.2 实例测试与结果分析
• 3.5 本章小结
• 第4章 层流手术室排程问题的模型及算法研究
• 4.1 问题背景
• 4.2 层流手术患者的手术日期指派问题
• 4.2.1 问题描述
• 4.2.2 层流手术室指派问题模型
• 4.2.3 模型的通用性
• 4.3 层流手术室日调度问题
• 4.3.1 问题描述
• 4.3.2 手术室日调度问题模型
• 4.4 层流手术室排程问题的两阶段无等待启发式算法
• 4.5 层流手术室排程问题的离散粒子群算法
• 4.5.1 编码与更新方式
• 4.5.2 可行解的调整策略
• 4.5.3 DPSO-TNSS算法的基本思想
• 4.6 实例及仿真结果分析
• 4.7 本章小结
• 第5章 手术时间不确定的多目标手术排程问题的粒子群优化算法
• 5.1 引言
• 5.2 问题描述
• 5.3 手术时间不确定的多目标手术排程问题模型建立
• 5.4 手术时间不确定的多目标手术排程问题算法设计
• 5.4.1 标准粒子群算法
• 5.4.2 多目标优化问题
• 5.4.3 考虑手术时间不确定性多目标手术排程问题的MOPSO算法设计
• 5.5 实验结果分析
• 5.5.1 惯性权重和学习因子的设置
• 5.5.2 栅格大小的设定
• 5.5.3 实验结果与分析
• 5.6 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文、获奖情况及发明专利等项