.png){kind=icon}
返回
A tree-based prescriptive analytics framework for contextual surgery scheduling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.omega.2026.103660.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 第一个无预测的手术排程规范性框架。
• 无求解器的成对差异损失无需重新优化即可训练树模型。
• 我们证明了比经典等待-观察松弛更紧的排程成本界限。
• 一种与损失兼容的分支定界算法加速了每日顺序排程。
• 在合成和真实心脏手术数据上，我们的方法将平均遗憾值降低了约50%。
Keyword:
Prescriptive analytics
Contextual optimization
Operating room scheduling
Uncertainty
Tree-based machine learning models
期刊
O
IF:
7.2
论文数:
3.8K
被引数:
1.6W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容