手术室(或)手术调度是一个具有挑战性的组合优化问题,确定每一个手术要执行的操作开始时间在不同的外科组,以及资源分配给每个手术安排一段时间。卫生保健系统的主要挑战之一就是以最低的成本提供最高质量的保健。在现实生活中,有重大不确定性的几个活动参与的外科治疗,包括手术的持续时间。本文解决了手术室手术调度问题和确定手术时间、手术持续时间的不确定性是由模糊数的方法。问题可以视为模糊柔性作业车间调度问题(FFJSP)由于相似性手术室手术调度不确定手术时间和multi-resource约束柔性作业车间调度问题和不确定的处理时间。本研究将先进的处理和分配调度问题,同时提供了一个蚁群优化(ACO) metaheuristic算法,利用两级蚂蚁图集成测序工作和分配资源在同一时间。评估该方法的性能,提出了一种计算研究五个测试手术病例,同时考虑确定性和模糊手术持续时间以提高研究的重要性。这个实验的结果证明了该metaheuristic算法的有效性。
手术室手术调度处理决定的手术操作开始时间和分配所需资源安排手术,考虑几个约束条件,以确保一个完整的手术流程。作为医院重要的组件,或据估计占40%以上的医院的总收入和类似的总费用的大部分( 或管理由两个阶段组成:第一,计划为每个病人提供手术日期,考虑到手术室的可用性和外科医生。第二,日常调度决定了每天在每个手术室的操作序列,考虑材料和人力资源的可用性( 一般来说,手术进展涉及不同的活动之前,期间和之后实际的外科手术。执行手术所需的资源也由人员如外科医生、护士、麻醉师和设施如术前控股单位(范围内),postanaesthesia护理单元(pacu)和重症监护病房。此外,替代等因素优先级服务,不同的外科专业,人员变化也必须考虑在内。 可以找到一些文件或手术安排在 混合两相优化算法是由 模糊区间模糊数,或者更普遍的是,用于造型ill-known处理时间作为替代和补充的方法。模糊的方法已经存在了超过二十年,已经收到了几位研究者的注意 灵活性的现实问题的另一个特点是考虑柔性作业车间调度问题,作业车间调度问题的一种变体,多台机器可以执行相同的操作。此外,模糊加工时间和灵活性的机器可以同时被考虑。这种情况被称为模糊柔性作业车间调度问题(FFJSP)。这将是本文问题考虑最大完工时间最小化的目标。 同时,灵活的作业车间调度问题被研究在1990年代首先解决。的方法( 摘要手术室手术手术时间不确定调度问题解决,在手术持续时间的不确定性通过模糊数表示。问题可以视为FFJSP由于相似性手术室手术调度不确定手术时间和multi-resource约束柔性作业车间调度问题与不确定的处理时间。典型的手术病例调度问题的混合决策水平通常包括两个子问题:先进的调度(也称为或计划)和分配调度。很明显,这两个子问题通常制定单独的组合优化模型。与大多数在这个领域发表论文,本研究同时处理两种先进和分配调度问题和提供了一个蚁群优化(ACO)方法与两级蚂蚁图有效地解决这样的计算具有挑战性的问题。 本文的其余部分组织如下:部分
我们可以在医院手术为选修或紧急手术。在本文中,选择性外科手术被认为是。这里,病人被运输机从住院病房或眼科手术单位。完整的选择性外科手术过程一般包括三个步骤:术前的(设置),在peri-surgery(手术),和对象(复苏)。在第一步,如果它是必要的,病人的基本信息和适当的注射将得到确认。如果给定的手术室不是准备好了,病人等范围内的安装步骤。在真正的手术步骤中,不同类型的操作是捐赠给不同手术时间和医疗小组。当所有所需的资源准备,手术就可以开始了。在第三步中,病人转移到PACU的复苏以及进一步治疗,例如,重症监护病房。毕竟,医务人员必须为另一个洁净手术室手术。 我们必须改变手术进展的时候如果任何资源在三步手术是没有及时提供,这影响或效率。大多数时候,一个完整的手术需要人员和设施。从本质上讲,主要设施资源多功能,可以支持不同种类的情况下,随着人力资源部门非齐次关于他们的手术,专业知识,经验,和一般的可用性。这篇文章只包含外科医生的不均匀性。然而,其他人员资源,比如护士和麻醉师是开放的任何手术,认为是多功能的。 据推测是一组手术有内执行一个操作集合各种资源。每一个手术是伴随着手术需求和资源需求。手术的需求是确定的具体手术专业和不确定手术时间,而资源需求意味着任何手术的完整步骤所需的所有资源。下一步就可以开始对所有可用的资源,对每一步骤的性能。调度的目标是最小化考。使用数学模型,这是香等人应用的优化模型求解手术室手术调度问题(更多细节见 在真实的应用程序中,通常情况下,外科手术的确切时间事先是未知的。这自然导致造型时间使用模糊区间或模糊数。模糊的时间间隔<我nline-formula>
模糊区间的最简单的模型是一个三角形模糊数(TFN的),使用一个时间间隔<我nline-formula>
TFN的期望值<我nline-formula>
关于之和,对任何一双tfn的<我nline-formula>
本文开发的蚁群优化算法是解决不确定手术的手术调度问题持续时间。ACO最初是为了解决知名旅行推销员问题(TSP) [ 算法中,蚂蚁推翻化学信息素在移动环境。他们也能够检测并遵循费洛蒙。蚂蚁构建解决方案使用概率转换规则。本文介绍了两个转换规则的内在和外在ant图表。外手术图的概率<我nline-formula>
内部资源图的概率<我nline-formula>
平衡资源利用率在任何手术步骤,一旦资源被选中时,由另一个手术应该被选中的机会减少。因此,<我nline-formula>
让蚂蚁分享良好的信息解决方案,追踪信息素的更新必须建立。外层次图,当所有蚂蚁完成遍历节点,蚂蚁与最好的时间表迭代更新路径如下: 我们内心的层次图,
提出的算法使用五个测试评估手术病例由湘et al。 这五个手术病例的信息表
蚂蚁系统中使用的设置参数值调度算法往往是非常重要的得到不错的结果。所有参数由不同的调整和最终试验显示在我们的论文中使用的参数如下:
ACO算法,用Matlab实现和运行使用笔记本与英特尔Core2双核运行Windows 7, 4 GB内存。此外,CPU时间变化根据测试用例的复杂性以及使用的蚂蚁数量。 提出的算法测试五个测试手术的情况下,考虑确定性和模糊手术持续时间。表 很明显从表 资源的VCWT测试用例1和2所示图 关于确定性手术持续时间,提出的算法比较与香等报告的结果。 很明显从表
摘要手术手术时间不确定调度问题考虑不确定性在手术时间通过模糊数表示。此外,问题是复杂的,需要考虑整个三个步骤(设置、手术和恢复)与手术有关,开放的调度策略,以及多个资源约束。问题可以被描述为一个multi-resource约束模糊柔性作业车间调度问题。算法的方法,利用两级蚂蚁图开发有效地解决这个问题。两级分层ant图包含外手术图和内部资源图。的相对机制提出的算法,如启发式可见性、信息素更新规则,和状态转换规则。所有手术的目标是最小化最大完工时间的旨在实现次优的解决方案。 5测试用例在文献中被认为是与不同的手术问题大小和可用资源评估ACO算法。此外,不确定性增加了测试用例的时间建立模糊手术持续时间。算法的性能的计算结果五个测试手术的情况下,考虑确定性和模糊手术持续时间,也被提出了。关于确定性手术持续时间,该方法与一个蚁群优化方法的报道结果。在这个比较中,三个性能度量进行评估:考,加班,工作时间的变异系数。实验结果表明,该算法具有竞争力的解决方案的质量。对于未来的工作,它可能是有趣添加多样化在本地更新规则和使用本地搜索算法。
使用的数据来支持本研究的发现可以从相应的作者。
作者宣称没有利益冲突有关的出版。