基于混合灰狼-变邻域搜索算法的手术室调度方法与装置与流程
本发明涉及计算机技术领域，尤其涉及一种基于混合灰狼-变邻域搜索算法的手术室调度方法与装置。
背景技术：
医院资源调度的效率决定着服务质量的高低，而手术室调度又是医院资源调度中最重要的环节之一。手术室调度需要系统地考虑资源约束、医生数量、医生类型、病人数量、手术时长等多种因素，是近些年来颇具挑战性的课题。目前，智能算法已经广泛应用于各类手术室调度问题中，比如遗传算法、模拟退火算法、禁忌搜索算法等。
现有的调度模型中，通常只考虑一天的手术分配计划，并且是在已给定各科室可使用的手术室数量的前提下对病人进行分配。但通常情况下，各科室的病人数量是动态变化的，另外手术室数量对科室的分配，医生对手术室的分配，以及病人对手术室的分配，这些因素都会对手术室调度问题的求解产生影响。
技术实现要素：
有鉴于此，本发明实施例提供了一种基于混合灰狼-变邻域搜索算法的手术室调度方法、装置、可读介质及电子设备。
第一方面，一种基于混合灰狼-变邻域搜索算法的手术室调度方法，包括：
步骤1、输入手术室数量、每个手术室的容量、每个手术类型的医生数量、每个医生的病人数量和预计手术时长，设定混合灰狼-变邻域搜索算法参数，包括最大迭代次数max_iter，邻域搜索次数限制ρ，灰狼数量popsize，迭代次数t＝1；
步骤2、初始化种群，考虑共有popsize只灰狼，每只灰狼的位置定义为
步骤3、计算解集中每只灰狼的适应度值；
步骤4、按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤5、对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解；
步骤6、更新参数和系数向量；
步骤7、更新当前每只灰狼的位置；
步骤8、计算解集中每只灰狼的适应度值，按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤9、令t＝t+1，判断t≤max_iter是否成立，若成立，返回步骤5，否则，结束算法并输出全局最优解，输出最优的手术类型对房间的分配，医生对手术室和手术日的分配，病人对手术室和手术日的分配，以及手术室的病人的手术顺序。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤3中计算解集中每只灰狼的适应度值，具体包括：
步骤31、对
步骤32、每个手术室日里，将未分配的病人从该手术室日的病人等待列表里依次分配到该手术室日，直至该手术室日能容纳该手术时长的，分配完全部手术室日；
步骤33、将剩余所有未分配的病人按照手术风险系数非增序排序，从而获得更新后的等待列表；
步骤34、计算每个手术日的最后一台手术结束时间和手术室正常关闭时间的时间差
步骤35、对于每个病人k，获取其对应医生的3个手术日的时间差
步骤36、将每个手术日里分配的所有病人按手术风险系数非增序排序；
步骤37、计算全部病人的等待住院费用和全部手术室的加班费用之和，即为适应度值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤5中对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解，具体包括：
步骤51、设置iter＝0；
步骤52、对于解x，选邻域结构n1做邻域变化，从类型相同的两个手术日中各随机选择两个医生互换，得新解x′；
步骤53、若新解x′的适应度由于解x的适应度，则用新解x′替代解x；
步骤54、选邻域结构n2做邻域变化，随机搜索得两个不同的手术日互换，(邻域搜索次数限制为ρ，搜索不到，则停止)，得新解x″；
步骤55、新解x″的适应度更优，则用新解x″替代原来解；
步骤56、对解xα，xβ，xδ分布执行步骤52-步骤55；
步骤57、令iter＝iter+1，判断iter≤max_iter是否成立，若是，返回步骤2，否则，输出更新后的最优解。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤7中更新当前每只灰狼的位置，具体包括：
步骤71、设置个体编号变量q＝1，灰狼位置的解表示为
步骤72、设置维度变量j＝1；
步骤73、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤74、随机生成(0,1)之间的两个小数r1和r2，计算a2＝2×a×r1-a，c2＝2×r2，
步骤75、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤76、计算
步骤77、令j＝j+1，判断j≤dim是否成立，若成立，则返回步骤73，否则，执行步骤78；
步骤78、令q＝q+1，判断q≤popsize是否成立，若成立，则返回步骤72，否则，输出更新结果。
第二方面，本发明实施例提供了一种基于混合灰狼-变邻域搜索算法的手术室调度装置，包括：
计算模块，用于执行：
步骤1、输入手术室数量、每个手术室的容量、每个手术类型的医生数量、每个医生的病人数量、手术风险系数和预计手术时长，设定混合灰狼-变邻域搜索算法参数，包括最大迭代次数max_iter，邻域搜索次数限制ρ，灰狼数量popsize，迭代次数t＝1；
步骤2、初始化种群，考虑共有popsize只灰狼，每只灰狼的位置定义为
步骤3、计算解集中每只灰狼的适应度值；
步骤4、按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤5、对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解；
步骤6、更新参数和系数向量；
步骤7、更新当前每只灰狼的位置；
步骤8、计算解集中每只灰狼的适应度值，按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
输出模块，用于执行：
步骤9、令t＝t+1，判断t≤max_iter是否成立，若成立，返回步骤5，否则，结束算法并输出全局最优解，输出最优的手术类型对房间的分配，医生对手术室和手术日的分配，病人对手术室和手术日的分配，以及手术室的病人的手术顺序。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块在执行步骤3中对计算解集中每只灰狼的适应度值，具体包括：
步骤31、对
步骤32、每个手术日里，将未分配的病人从等待列表里依次分配到能容纳该手术时长的手术日，直至分配完全部手术日；
步骤33、将剩余所有未分配的病人按照手术风险系数非增序排序，从而获得更新后的等待列表；
步骤34、计算每个手术日的最后一台手术结束时间和手术室正常关闭时间的时间差
步骤35、对于每个病人k，获取其对应医生的3个手术日的时间差
步骤36、将每个手术日里分配的所有病人按手术风险系数非增序排序；
步骤37、计算全部病人的等待住院费用和全部手术室的加班费用之和，即为适应度值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块在执行步骤5中对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解，具体包括：
步骤51、设置iter＝0；
步骤52、对于解x，选邻域结构n1做邻域变化，从类型相同的两个手术日中各随机选择两个医生互换，得新解x′；
步骤53、若新解x′的适应度由于解x的适应度，则用新解x′替代解x；
步骤54、选邻域结构n2做邻域变化：随机搜索两个不同的手术室日互换，(邻域搜索次数限制为ρ，搜索不到，则停止)，得新解x″；
步骤55、若新解x″的适应度更优，则用新解x″替代原来解；
步骤56、对解xα，xβ，xδ分布执行步骤52-步骤55；
步骤57、令iter＝iter+1，判断iter≤max_iter是否成立，若是，返回步骤2，否则，输出更新后的最优解。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块在执行步骤7中更新当前每只灰狼的位置，具体包括：
步骤71、设置个体编号变量q＝1，灰狼位置的解表示为
步骤72、设置维度变量j＝1；
步骤73、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤74、随机生成(0,1)之间的两个小数r1和r2，计算a2＝2×a×r1-a，c2＝2×r2，
步骤75、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤76、计算
步骤77、令j＝j+1，判断j≤dim是否成立，若成立，则返回步骤73，否则，执行步骤78；
步骤78、令q＝q+1，判断q≤popsize是否成立，若成立，则返回步骤72，否则，输出更新结果。
第三方面，本发明提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种电子设备，包括：处理器、存储器和总线；
所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述电子设备运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述处理器执行如第一方面中任一所述的方法。
上述技术方案中的一个技术方案具有如下有益效果：
本发明实施例的方法中，针对手术室调度问题，通过混合灰狼-变邻域搜索算法，首先设定算法参数并随机生成初始解，然后计算适应度值并确定最好的三个解；再对最好的三个解做变邻域搜索变换，提高解的质量；基于解的适应度对种群执行交叉操作，通过重复迭代，实现对种群的不断更新，最终获得最优解。混合灰狼-变邻域搜索算法具有较好的收敛速度和收敛结果，解决了高复杂度的手术室调度问题，提高了医院的手术室调度效率。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例所提供的手术调度问题示意图；
图2是本发明实施例所提供的一种基于混合灰狼-变邻域搜索算法的手术室调度方法的流程示意图；
图3为本发明实施例所提供的一种基于混合灰狼-变邻域搜索算法的手术室调度装置的功能方块图；
图4为本发明实施例提供的一种电子设备的结构示意图。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于理解，下面结合图1对本发明实施例所解决的技术问题进行详细描述。
如图1所述，手术室调度问题，目标为最小化病人等待费用和手术室加班费用。该问题描述如下：给定r个手术室、s个医生，i个病人需要在一周的时间内进行手术调度。每个病人i具有已被主治医生评估的手术风险系数wi、预计手术时长pi。手术室的一般开放时长为u。
问题假设如下：
1)手术过程不允许中断，中途不允许病人退出或加入；
2)病人在调度决策日时都已经入院并且已经做好术前检查。调度决策一般是由护士长在调度周期的前一天，即周日完成；
3)每个手术室的正常开放时间是相同的；
4)所有病人的手术都要在为期一周的调度时间范围内完成；
5)每个病人的医生已经确定；
6)每个医生每周有三天手术室时间。
基于此，本发明实施例提供了一种基于混合灰狼-变邻域搜索算法的手术室调度方法，如图2所示，该方法包括以下步骤：
步骤1、输入手术室数量、每个手术室的容量、每个手术类型的医生数量、每个医生的病人数量和预计手术时长，设定混合灰狼-变邻域搜索算法参数，包括最大迭代次数max_iter，邻域搜索限制ρ，灰狼数量popsize，迭代次数t＝1；
步骤2、初始化种群，考虑共有popsize只灰狼，每只灰狼的位置定义为
步骤3、计算解集中每只灰狼的适应度值；
步骤4、按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤5、对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解；
步骤6、更新参数和系数向量；
步骤7、更新当前每只灰狼的位置；
步骤8、计算解集中每只灰狼的适应度值，按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤9、令t＝t+1，判断t≤max_iter是否成立，若成立，返回步骤5，否则，结束算法并输出全局最优解，输出最优的手术类型对房间的分配，医生对手术室和手术日的分配，病人对手术室和手术日的分配，以及手术室的病人的手术顺序。
具体实施时，步骤3中计算解集中每只灰狼的适应度值，具体包括：
步骤31、对
步骤32、每个手术日里，将未分配的病人从等待列表里依次分配到能容纳该手术时长的手术日，直至分配完全部手术日；
步骤33、将剩余所有未分配的病人按照手术风险系数非增序排序，从而获得更新后的等待列表；
步骤34、计算每个手术日的最后一台手术结束时间和手术室正常关闭时间的时间差
步骤35、对于每个病人k，获取其对应医生的3个手术日的时间差
步骤36、将每个手术日里分配的所有病人按手术风险系数非增序排序；
步骤37、计算全部病人的等待住院费用和全部手术室的加班费用之和，即为适应度值。
具体实施时，步骤32中的分配过程具体包括：
在每一个手术日里，将病人从手术日的等待列表里依次分配到这个手术日，直到已分配的病人的手术总时长加下一个病人手术时长刚好大于手术室一般开放时长，并从手术日等待列表里删除已分配的病人。从周一的第一个手术室到最后一个手术室，再分配周二的第一个手术室到最后一个手术室，直到周五的最后一个手术室，依次分配，直至安排完所有的手术日。
步骤35中，对于同个医生s的两个手术日(orx，t)和(ory，t+sd)，其中sd＞0，分类讨论如下：
通过如下步骤来选择最优手术室日来分配病人k：(其中,τ表示手术室每小时加班费用和病人每天住院费用的商值。)
1)若
2)若
3)若
4)若
5)若
6)若
步骤37中，适应度值＝等待住院费用+加班费用，等待住院费用为手术等待天数和每天住院费用的乘积，加班费用为加班小时数和每小时加班费用的乘积。
具体实施时，步骤5中对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解，具体包括：
步骤51、设置iter＝0；
步骤52、对于解x，选邻域结构n1做邻域变化，从类型相同的两个手术日中各随机选择两个医生互换，得新解x′；
步骤53、若新解x′的适应度由于解x的适应度，则用新解x′替代解x；
步骤54、选邻域结构n2做邻域变化，随机搜索得两个不同的手术日互换，(邻域搜索次数限制为ρ，搜索不到，则停止)，得新解x″；
步骤55、新解x″的适应度更优，则用新解x″替代原来解；
步骤56、对解xα，xβ，xδ分布执行步骤52-步骤55；
步骤57、令iter＝iter+1，判断iter≤max_iter是否成立，若是，返回步骤2，否则，输出更新后的最优解。
具体实施时，步骤6中更新参数
具体实施时，步骤7中更新当前每只灰狼的位置，具体包括：
步骤71、设置个体编号变量q＝1，灰狼位置的解表示为
步骤72、设置维度变量j＝1；
步骤73、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤74、随机生成(0,1)之间的两个小数r1和r2，计算a2＝2×a×r1-a，c2＝2×r2，
步骤75、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤76、计算
步骤77、令j＝j+1，判断j≤dim是否成立，若成立，则返回步骤73，否则，执行步骤78；
步骤78、令q＝q+1，判断q≤popsize是否成立，若成立，则返回步骤72，否则，输出更新结果。
本发明实施例提供的技术方案具有以下有益效果：
本发明实施例通过混合灰狼优化-变邻域算法，首先将手术室日以编码的方式，分配给各个医生，然后依据问题的性质提出针对每个手术室日的病人分配和排序策略，在多项式时间内得到每个手术室日内最优的病人分配排序方案；对每只灰狼位置执行邻域搜索操作；基于灰狼位置的适应度，有选择地进行基于灰狼优化搜索的系统化更新；通过重复迭代，实现对种群的不断更新，最终求得最优解。混合后的灰狼-变邻域搜索算法具有较好的收敛速度和收敛结果，解决了高复杂度的手术室调度问题，提高了医院的手术室调度效率。
本发明实施例可以完成手术室日对手术类型的分配、医生对手术室日的分配、病人对手术室日的分配和排序，提高了实际复杂环境中手术室的利用效率，为手术室调度提供了有效的决策支持。
本发明实施例针对传统灰狼优化算法容易陷入局部最优的问题，提出了了针对每个手术日的病人分配和排序策略，并通过变邻域搜索算法对提高灰狼的搜索能力，保证猎物位置的效率，不仅有优化了算法的收敛速度和解的多样性，也在一定程度上加强了算法末期的局部收敛能力。
基于相同的构思，本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图3，其为本发明实施例所提供的一种基于混合灰狼-变邻域搜索算法的手术室调度装置，如图所示，该装置包括：
计算模块310，用于执行：
步骤1、输入手术室数量、每个手术室的容量、每个手术类型的医生数量、每个医生的病人数量和预计手术时长，设定混合灰狼-变邻域搜索算法参数，包括最大迭代次数max_iter，邻域搜索次数限制ρ，灰狼数量popsize，迭代次数t＝1；
步骤2、初始化种群，考虑共有popsize只灰狼，每只灰狼的位置定义为
步骤3、计算解集中每只灰狼的适应度值；
步骤4、按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
步骤5、对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解；
步骤6、更新参数和系数向量；
步骤7、更新当前每只灰狼的位置；
步骤8、计算解集中每只灰狼的适应度值，按照解的优劣进行排序，找出最好的三个解xα，xβ，xδ，并记录最优解xα的适应度值；
输出模块320，用于执行：
步骤9、令t＝t+1，判断t≤max_iter是否成立，若成立，返回步骤5，否则，结束算法并输出全局最优解，输出最优的手术类型对房间的分配，医生对手术室和手术日的分配，病人对手术室和手术日的分配，以及手术室的病人的手术顺序。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块310在执行步骤3中对计算解集中每只灰狼的适应度值，具体包括：
步骤31、对
步骤32、每个手术日里，将未分配的病人从等待列表里依次分配到能容纳该手术时长的手术日，直至分配完全部手术日；
步骤33、将剩余所有未分配的病人按照手术风险系数非增序排序，从而获得更新后的等待列表；
步骤34、计算每个手术日的最后一台手术结束时间和手术室正常关闭时间的时间差
步骤35、对于每个病人k，获取其对应医生的3个手术日的时间差
步骤36、将每个手术日里分配的所有病人按手术风险系数非增序排序；
步骤37、计算全部病人的等待住院费用和全部手术室的加班费用之和，即为适应度值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块310在执行步骤5中对xα，xβ，xδ做变邻域搜索，若生成的新解更优，则更新最优解，具体包括：
步骤51、设置iter＝0；
步骤52、对于解x，选邻域结构n1做邻域变化，从类型相同的两个手术日中各随机选择两个医生互换，得新解x′；
步骤53、若新解x′的适应度由于解x的适应度，则用新解x′替代解x；
步骤54、选邻域结构n2做邻域变化，随机搜索得两个不同的手术日互换，(邻域搜索次数限制为ρ，搜索不到，则停止)，得新解x″；
步骤55、新解x″的适应度更优，则用新解x″替代原来解；
步骤56、对解xα，xβ，xδ分布执行步骤52-步骤55；
步骤57、令iter＝iter+1，判断iter≤max_iter是否成立，若是，返回步骤2，否则，输出更新后的最优解。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述计算模块310在执行步骤7中更新当前每只灰狼的位置，具体包括：
步骤71、设置个体编号变量q＝1，灰狼位置的解表示为
步骤72、设置维度变量j＝1；
步骤73、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤74、随机生成(0,1)之间的两个小数r1和r2，计算a2＝2×a×r1-a，c2＝2×r2，
步骤75、随机生成(0,1)之间的两个小数r1和r2，计算a1＝2×a×r1-a，c1＝2×r2，
步骤76、计算
步骤77、令j＝j+1，判断j≤dim是否成立，若成立，则返回步骤73，否则，执行步骤78；
步骤78、令q＝q+1，判断q≤popsize是否成立，若成立，则返回步骤72，否则，输出更新结果。
由于本实施例中的各单元模块能够执行图2所示的方法，本实施例未详细描述的部分，可参考对图2的相关说明。
图4是本发明的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industrystandardarchitecture，工业标准体系结构)总线、pci(peripheralcomponentinterconnect，外设部件互连标准)总线或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，也可从其它设备上获取相应的计算机程序，以在逻辑层面上形成手术室调度装置。处理器，执行存储器所存放的程序，以通过执行的程序实现本发明任一实施例中提供的手术室调度方法。
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行本发明任一实施例中提供的手术室调度方法。
上述如本发明图3所示实施例提供的基于混合灰狼-变邻域搜索算法的手术室调度装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行本发明任一实施例中提供的手术室调度方法。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元或模块分别描述。当然，在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！