一种基于迭代局部搜索的医检路径规划方法与流程

本发明属于医疗服务领域，尤其涉及一种利用局部搜索算法来对医疗检验进行规划并向医检患者进行推送的方法。

背景技术：

随着现代人生活水平的提高，随之而来的健康问题成了现代人越来越关注的焦点问题。当今社会，青年群体作为gdp产值增长的主力军，熬夜加班的现象也是屡见不鲜，由此带来的后果就是亚健康状态。同时，随着医疗技术的不断发展以及人们对健康的不断重视，体检不再是中老年人的独有标签，而在各个年龄层都渐渐成为一个更加普及的社会现象。同时，不仅仅是体检，患者在前往医院就医过程中往往也会设计各种项目的检查，这些检查同体检混杂在一起给医院方面的实行效率带来了极大的挑战。虽然各大医院都有着自己的医检科室，部分医院甚至专门成立了体检分院，但是由于专业主检医师以及独立医检科室的匮乏，在呈不断增长趋势的医检人群面前，诸如检中无序化、资源利用率低、人工成本高等等问题都严重影响了患者的医检体验和医院的医检效率。因此，如何在保证医院医检效率以及患者的医检体验的条件下，最高效地利用好每一个医检科室和医检器材，同时让患者花最少的时间，以最快的速度完成医检成了当前亟待解决的问题。

但是医检路径规划是一个较为复杂的问题，因为医检项目众多，每个项目所需的时间也是长短不一，在不考虑每位患者在经历各个项目时的个体耗时差异，以及部分患者可能会基于个体便利性考虑的情况打破规则的情况下，已经是一个np完全的问题，因此不宜采用最优化算法。

局部搜索算法的主要优点在于它是一种比较通用的优化算法，可以比较方便地应用于具体的优化问题。但是传统的局部搜索算法也存在着一些明显缺陷，最主要的就是传统的局部搜索算法在优化过程中容易陷入局部最优。尽管一些局部搜索算法采用了一些特殊的策略来避免陷入局部最优，但是当问题规模，复杂度比较大的情况下这些算法还是不可避免地陷入局部最优。而且，在医检路径规划问题中，在医检结束前的大部分时间中保证每个医检科室都处于繁忙状态是求得本问题次优解的最低容忍限度。要满足这个最低容忍限度，许多简单的局部搜索算法都可以满足需求，例如爬山法等等。当然这是基于简单的情况，即当天所有患者都是同时到达医院，且每个患者在做相同的医检项目的耗时相同，同时假设每个患者都会严格服从医院方面的调度(这种情况下便不可能出现某些医检科室有患者过号的现象)。但现实情况是，首先参与医检的患者到达医院的时间点有先后，即使对第一批到达医院的患者先做好规划，在后续患者陆续到达的过程中，医院也作出了效率最高的路径规划，但是后续到达的患者中可能会出现部分基于当前各科室排队情况，优先选择排队较少或者是完成速度较快的医检科室从而实现个体最优的情况。一旦出现了这种患者不按事先规划进行医检的情况，整个算法就会出现许多不确定性。因此如何改进现有的局部搜索算法来更好地契合医检的应用场景是解决医检路径规划问题的痛点。

技术实现要素：

本发明所要解决的技术问题是提供一种基于迭代局部搜索的医检路径规划方法，该方法利用基于蒙特卡洛模拟和迭代局部搜索，为医检患者推荐最优医检路径，能够提高医检的效率，有利于医检秩序的维持。

本发明解决上述技术问题所采用的技术方案是：一种基于迭代局部搜索的医检路径规划方法，包括以下步骤：

(1)采集医检参数，包括医检患者总数n、医检科室总数h和每个人在每个医检科室进行检查所需花费的时间ti(i＝1，2，3，……，h)；

(2)建立时间ti的合集，并从该合集中选取时间最长的前j个时间作为最复杂的医检时间；

(3)假设所有医检科室均处于运作状态且时间ti中除了了前j个时间外其他的时间都相同，建立优化方案模型p；

(4)对优化方案模型进行求解，得到最优方案p0；

(5)将最优方案p0推送给每个医检患者。

进一步地，该方法还包括对时间ti的合集的更新，每隔一定的时间间隔x，对时间ti分别进行重新统计，并将重新统计后的合集重新代入到优化方案模型p中，求解得到更新后的最优方案p0’。

进一步地，该方法还包括对新加入医检患者的重新统计，每隔一定的时间间隔y对医检患者总数n进行重新统计，并将重新统计后的医检患者总数n重新代入到优化方案模型p中，求解得到更新后的最优方案p0”。

进一步地，该方法还包括对推送方案执行率的统计，记录每个患者的最优方案并与对应的接收端进行绑定，每隔一定时间间隔z，对最优方案和接收端的路径是否一致进行核实，将最优方案一致的数量与最优方案总数进行对比，得到最优方案执行率p1。

进一步地，根据最优方案执行率p1设定对最优方案p0、p0’以及p0”的扰动。

本发明的有益效果是：本发明首先建立一个理想化的最优模型，并向患者推送，在最优模型的基础上，根据可能发生的扰动因素，不断对这个最优模型进行监测和更新，从而达到不断完善和修正的目的，本发明的方法，抗干扰能力强，更新速度快，兼顾患者体验和医院执行，有利于医检效率的提高和医检秩序的稳定。

附图说明

图1是本发明的系统框架图。

具体实施方式

本发明的实现方案包含两个部分，第一个部分是初始模型的建立，初始模型是以理想化的状态为基础考虑的，初始模型的建立主要包含以下方面：

(1)采集医检参数。

医检参数是建立优化模型必须包含的参数，具体包括医检患者总数n、医检科室总数h和每个人在每个医检科室进行检查所需花费的时间ti(i＝1，2，3，……，h)。

(2)所需花费的时间是一个重要考量因素，建立时间ti的合集，并从该合集中选取时间最长的前j个时间作为最复杂的医检时间；

(3)假设所有医检科室均处于运作状态且时间ti中除了了前j个时间外其他的时间都相同，建立优化方案模型p；

(4)对优化方案模型进行求解，得到最优方案p0；

(5)将最优方案p0推送给每个医检患者。

理想化模型是本发明的一个设定基础，在理想化模型的基础上，本发明提供了一系列根据实际中可能发生的情况对理想化模型进行修正的方案。

例如，本发明包含对时间ti的合集的更新，因为理想化模型中，除了最复杂的几个科室之外，我们认为其他普通科室的医检时间均相同，但是实际上显然不可能做到这个理想化的状态，因此首先需要对时间进行修正，那么通过对每个科室每个医检患者在其中进行医检的时间的统计，可以得到实际进行医检的时间，每隔一定的时间间隔x，对时间ti分别进行重新统计，并将重新统计后的合集重新代入到优化方案模型p中，求解得到更新后的最优方案p0’，将更新后的方案重新推送给每个医检患者。

此外，实际情况中，不是所有的患者都能按时到达医检现场，因此，在医检开始后，也就是本发明的方法运行过程中，还有可能会出现的情况就是，随时可能会有新的医检患者加入到系统当中，此时影响模型中的一个主要参数-医检患者总数n，因此本发明还包括对新加入医检患者的重新统计，即，每隔一定的时间间隔y对医检患者总数n进行重新统计，并将重新统计后的医检患者总数n重新代入到优化方案模型p中，求解得到更新后的最优方案p0”，将更新后的方案重新推送给每个医检患者。

还有一些特殊的情况，例如医检患者没有按照推送的方案进行医检，那么在这种情况下，就可能会对模型中统计的数据产生干扰，为此，本发明还包括对推送方案执行率的统计，记录每个患者的最优方案并与对应的接收端进行绑定，每隔一定时间间隔z，对最优方案和接收端的路径是否一致进行核实，将最优方案一致的数量与最优方案总数进行对比，得到最优方案执行率p1。

本发明的实现方案的另一部分是，在初始模型的基础上，通过局部迭代算法根据可能的扰动进行优化，最终得到一个优化方案，这个优化的过程如下：

(1)从优化方案模型p中得到初始解s的合集s。

(2)在s中进行局部搜索，找到一个局部最优解s1。

(3)设立扰动s1，带入到优化方案模型p中，获得新的解集s2。

(4)从新解s2中进行局部搜索，再次找到一个局部最优解s3。

(5)基于判断策略：例如，按照s3完成所有患者体检项目的总耗时是否高于一定阈值，对s3好坏进行判断。

(6)当判断结果中s3是一个理想的优化解时，选择接受s3作为新解；当判断结果中s3还不够理想时，或者回退s2。

(7)退回s2后，重复步骤4-5，直到找到满足条件的最优解。

如果步骤(7)中，在一定时间或者条件下，没有能够找到合适的最优解，则退回到步骤2，重新进行初始的局部搜索。

在这个方案中，可能的扰动如前所述的，s1可以认为是有新患者加入的扰动，另外还可以设定新的扰动，例如s1’，这个新的扰动s1’可能是患者没有按照计划进行医检而产生的扰动，扰动具体可以体现在，某个医检科室的排队人数增加，某个医检科室的医检时间加长。