科研之友
微信
新浪微博
Facebook
分享链接
摘要
在手术时间服从正态分布的情况下,针对手术室优化调度问题,从规避手术风险和人性化的角度考虑,以手术取消风险最小化和患者病情恶化风险最小化为目标建立数学模型,设计了多目标粒子群算法。为了发挥粒子群算法解决连续问题的优势,在编码设计中将离散的优化问题转化为连续的优化问题,分析了惯性权重和学习因子设置对算法性能的影响,并引入网格法和ε-支配的概念来保证解分布的均匀性.利用现实数据进行实验,得到了问题的Pareto最优解,在不同的参数下分析了算法的性能,表明了建模的合理性和算法的有效性。
- 单位
在手术时间服从正态分布的情况下,针对手术室优化调度问题,从规避手术风险和人性化的角度考虑,以手术取消风险最小化和患者病情恶化风险最小化为目标建立数学模型,设计了多目标粒子群算法。为了发挥粒子群算法解决连续问题的优势,在编码设计中将离散的优化问题转化为连续的优化问题,分析了惯性权重和学习因子设置对算法性能的影响,并引入网格法和ε-支配的概念来保证解分布的均匀性.利用现实数据进行实验,得到了问题的Pareto最优解,在不同的参数下分析了算法的性能,表明了建模的合理性和算法的有效性。
