基于云计算的移动查房系统的制作方法

本发明涉及医疗领域，具体涉及基于云计算的移动查房系统。

背景技术：

相关技术中，医生、护士查房一般采用传统的手工的方式。医生通过记忆病人的病历或者是携带病人的病历资料，在床旁察看病人的病情后，对病人医嘱进行调整。这些调整的信息通常是通过手工记录在手抄本上，然后再将这些记录带回办公室并输入电脑中完成。护士查房的过程也大致如此，在病人床旁将病人的体温、脉搏、呼吸等信息写在纸上，再回到办公室信息到录入医院信息系统。这样的过程使医生、护士等护理工作人员将大量的时间花费在手工抄写、临时记忆上，工作效率低下，并且容易出现医疗事故。另外，目前查房过程完成后不能反复观看、研究，这种查房的方式不利于正在进修的医生对临床医学的学习。

技术实现要素：

针对上述问题，本发明提供基于云计算的移动查房系统。

本发明的目的采用以下技术方案来实现：

基于云计算的移动查房系统，包括查房信息输入存储模块、病历资料查询模块、信息处理模块、信息传送模块和云服务资源分配模块，具体为：

(1)查房信息输入存储模块，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1，n]，n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1，x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2，…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0，3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1，x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

(3)信息处理模块，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块，用于对查房信息输入存储模块、病历资料查询模块和信息处理模块最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块、病历资料查询模块和信息处理模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁,C₂,..,C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1，m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本发明的有益效果为：

1、实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；

2、病历资料查询模块，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；

3、设置云服务资源分配模块，用于对查房信息输入存储模块、病历资料查询模块和信息处理模块的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明各模块连接示意图；

图2是本发明可信组合评估单元的工作流程图。

附图标记：

查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4、云服务资源分配模块5、用户界面11、音频输入子模块12。

具体实施方式

结合以下实施例对本发明作进一步描述。

实施例1

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1，x_j2，…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1,x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1，x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25，0.3]，β的取值范围是[0.45，0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁，C₂，..，C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.25,β＝0.45，查房效率提高了40％。

实施例2

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n]，n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1，x_j2,…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1，x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1，x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25，0.3]，β的取值范围是[0.45,0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁,C₂,..,C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.26,β＝0.47，查房效率提高了45％。

实施例3

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2，…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5，8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁,C₂,..，C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1，m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.28,β＝0.46，查房效率提高了35％。

实施例3

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1，n]，n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0，3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1，x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁,C₂,..,C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1，m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.29,β＝0.49，查房效率提高了42％。

实施例4

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1，n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_lea，n表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1，x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1，x_j2，…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25，0.3]，β的取值范围是[0.45，0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁，C₂，..，C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1，m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.3,β＝0.45，查房效率提高了38％。

实施例5

参见图1、图2，本实施例的基于云计算的移动查房系统，包括查房信息输入存储模块1、病历资料查询模块2、信息处理模块3、信息传送模块4和云服务资源分配模块5，具体为：

(1)查房信息输入存储模块1，用于输入并存储病人的查房信息，所述查房信息包括病人的体温、脉搏、呼吸信息；所述查房信息输入存储模块1包括用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口；

(2)病历资料查询模块2，用于根据用户通过用户界面发出的针对于患者的病历资料或查房资料的查询请求，在具有医院信息的云存储资源池中查找并提取相应的病历资料，具体为：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1，n]，n为对等网络包含节点的总数，发起查询请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1，x_j2，…x_jm},j∈[1，n]，当对等节点x_i收到x_j发送的查询请求M_j时，检查和中是否含有满足查询请求M_j的病历资料，若是，根据所述病历资料和病历资料所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃查询请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1，x_j2，…x_jm}中各对等节点的Q值，将查询请求M_j转发给p_j×{x_j1，x_j2，…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的查询请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条查询请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

(3)信息处理模块3，用于对文档类查房信息、音频类查房信息、前期的查房资料和病历资料进行合成处理，形成特定时期的对应于患者的新的查房资料；

(4)信息传送模块4，用于将所述新的查房资料传送到具有数据库的医院信息系统；

(5)云服务资源分配模块5，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划单元、可信组合评估单元和服务部署单元；

所述任务规划单元用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估单元用于对由任务规划单元生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署单元用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划单元获得的任务规划对应的约束为C＝JC₁,C₂,..,C_d｝,每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案，同时记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则系统直接调用其函数值。

其中，所述用户界面包括用于供用户对触摸屏精确点击的手写笔，用于接收用户点击的触摸屏，用于供用户对音频类查房信息的输入进行控制的录音键、放音键、停止键。

本实施例实现了对病人信息的移动查询功能，且设置用户界面和音频输入子模块，所述用户界面为用户提供病历资料、查房资料的查询接口和文档类查房信息输入接口，所述音频输入子模块连接用户界面，用于为用户提供音频类查房信息输入接口，从而医生或护士可以对查房信息以填写文档或录音的形式进行记录保存，方便医生或护士的查房，提高查房的效率；设置病历资料查询模块2，提高了病历资料和查房资料查找的效率，方便医生快速查阅不同病人的查房过程，便于对病人病情进一步研究；设置云服务资源分配模块，用于对查房信息输入存储模块1、病历资料查询模块2和信息处理模块3的信息处理最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；其中本实施例取值α＝0.25,β＝0.5，查房效率提高了42％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。