.png){kind=icon}
返回
Dependency-Constrained Cascading Rescheduling: Network Evolution and Long-Term Adaptation
.png){kind=icon}
OA
AI
DOI：10.3390/math14030577.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统调度理论在静态假设下优化初始任务分配，而实际运营系统面临反复中断，需要即时重调度和长期结构性调整。现有方法将每次中断视为独立事件，未能捕捉组织通过重复挑战学习和演化的过程。本文提出一个统一框架，将级联重调度与网络演化相结合，形式化建模依赖结构如何随时间适应以提升韧性。该框架包含三个集成组件：（1）具有可证明复杂度界限的即时重调度算法——树状依赖结构为O(n)，有界树宽为固定参数可解——实现实时响应；（2）五种适应性策略（冗余、缓冲、解耦、重排和控制），其收敛保证显示指数改进率O(e-((σ-λ)t))；（3）可计算的韧性指标量化组织吸收中断的能力。通过5200周模拟（52周×100次重复）的全面验证显示显著性能提升。基于冗余的适应性实现109%韧性改进和66%中断减少（p<0.001，Cohen's d>1.8），优于非适应性基线。该框架以Orange3可视化编程小部件实现，非技术实践者用户接受率达92%，投资回收期为7个月。尽管框架领域通用且适用于任何依赖约束的运营网络，验证聚焦于医疗排程情境，其中中断模式已有充分记录。该方法表明组织可通过规范适应而非反应式应对系统性地构建韧性，实现可量化的性能改进和易于部署的工具。
Keyword:
cascading rescheduling
network evolution
adaptive systems
visual programming
healthcare scheduling
organizational learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
A Scheduling Optimization Approach to Reduce Outpatient Waiting Times for SpecialistsMoura, A.; Pinho, M. 一种用于减少专科门诊等待时间的调度优化方法。Healthcare 2025, 13, 749. [Google Scholar] [CrossRef].png)
Healthcare
HealthcareIF0
PREAI
分享收藏Fixed-parameter tractability of scheduling dependent typed tasks subject to release times and deadlines在具有发布时间和截止时间的条件下，依赖类型任务的固定参数可处理性调度
PREAI
分享收藏Multi-resource constrained elective surgical scheduling with Nash equilibrium toward smart hospitalsSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
分享收藏
查看更多内容