.png){kind=icon}
返回
Dynamic Distributed Ambulatory Care Scheduling
.png){kind=icon}
PRE
AI
DOI：10.1177/10591478251331143.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们研究了一个源自加拿大安大略省真实案例的门诊排程问题，该问题在地理分布的校区内提供多预约、多类别、多优先级的治疗，并涉及多种资源。我们考虑了具有患者到达和急诊科使用不确定性的动态场景。该问题被表述为一个无限时域的马尔可夫决策过程模型。由于无法通过常规方法求解大规模实例，我们将该模型与神经网络结合，以简化可行性约束并尊重所有假设。考虑到维度灾难问题，我们采用仿射近似架构来估计价值函数。通过列生成方法求解了一个等价的线性规划模型，以计算近似最优策略并推导出两种易于实施的排程策略。仿真结果表明，近似最优策略和启发式方法优于其他排程策略。最后，我们证明了该方法的应用能够提升加拿大一家大型门诊中心的绩效指标。我们表明，基于模板的排程规则可能导致资源利用率高但排程决策不佳。然而，高效的排程策略为预约文员配备了智能排程规则，这些规则难以被其实时预测，但相比排程模板表现良好。
Keyword:
Ambulatory Care
Advance Scheduling
Learning-Based Optimization
Approximate Dynamic Programing
Neural Network
Column Generation
期刊
I
IF:
7.4
论文数:
2.5K
被引数:
1.0W
机构
暂无机构信息
引用论文
.png){kind=icon}
Metaheuristic design of feedforward neural networks: A review of two decades of research前馈神经网络的元启发式设计: 二十年研究回顾
OAAI
OAAI分享收藏
查看更多内容