本发明涉及优化,主要涉及多周期下医院免费班车排班+路径智能优化算法。
背景技术:
1、随着人口老龄化的加剧,医疗需求日益增长,而医疗资源的分配和利用效率成为了社会关注的焦点。例如,大多数人开车去医院,这可能会造成医院附近的交通堵塞和停车超载,影响公共医疗资源的使用,并且影响患者就医的体验甚至耽误救援任务的实施。在医院环境中,班车排班是一项重要的任务,它涉及到医护人员、患者和访客的日常出行。然而,由于医院的工作人员和患者的需求在不同的时间段内会有所不同,因此需要一个能够在多周期下进行路径优化的算法来解决这个问题。
2、目前,这方面的研究较少,所以很多医院拥有免费班车,但很多患者根本不知情,这样不仅造成了医疗资源的浪费,同时医院拥堵问题得不到很好的解决。从另一种角度看,可以说明现在的班车服务并不智能,难以满足患者的看病需求,比如时间上不匹配,或者经常出现空载或满载情况,班车分布不均匀。所以我们研究了该算法,能很好的满足上述需求。
技术实现思路
1、针对上述问题,本发明提出多周期下医院免费班车排班+路径智能优化算法。包括五大模块:
2、数据初始化及预处理模块将模型所给参数输入该算法并对其进行初始化操作。
3、最佳方案选择模块则为算法提供了每一代中种群选择操作的比例及方案。
4、路线生成模块解释了该算法的编码、解码操作。
5、路线重洗模块介绍了在该编码下对路线进行的重构操作。
6、算法迭代模块则是算法的完整运行顺序及全流程。
7、(1)本发明所述数据初始化及预处理模块,将模型所给参数输入该算法并对其进行初始化操作,具体如下:
8、step1以下模型参数输入模型,运输点集和v,每条线路的时间约束集和t,车辆集和k,每辆车的容量限制集和a,坐标i到j的需求量di,j,坐标i到j的时限ti,j,每个坐标点的需求qi和每个点的服务时间si。
9、step2将方案f,poolanswersf,k设置为空集(f为方案次序),将方案总路程sumdistf和最优解obj*都初始化为0,将以下判断标准criteria_iterations,criteria_α,criteria_β,和迭代次数iterations初始化为1
10、(2)本发明所述最佳方案选择模块,介绍了算法的选择操作,具体如下:
11、step1先将poolanswersf,k赋值给一个空的列表v,然后如下公式计算每一种方案的sumdistf:
12、sumdistf=sumdistf+di,j for all i∈v (1)
13、step2先倒置sumdistf,然后按公式3计算适应度选择比例:
14、sumdistf=1/sumdistffor all f=1,...,f (2)
15、
16、step3每一代中最优解按以下两等式进行选择:
17、
18、r*=poolanswersbest_one,. (5)
19、step4随机生成一个[0,1]的γ,如果γ≤pickdist1,f'=1,否则通过以下条件计算f':
20、pickdistf'-1<γ≤pickdistf' (6)
21、step5在之前迭代的第f’个可能解的基础上得到一个新的可行解。并将新的解决方案和最好的解决方案保存在解决方案池中,其他的解决方案(即f=3,…,f)将在下一个迭代过程中随机生成。
22、(3)本发明所述的路线生成模块,对提出的第f个方案,对坐标集和v的每个坐标点分配路线,具体编码操作如下:
23、step1初始化k为0,暂时将v中剔除0点,作为一个暂时的集合allstops,生成一个空列表v,并将0点赋给它,初始化一个变量passengeri=qi
24、step2退出判断:判断allstops是否为空,如果是则生成一个[0,1]的β,并从allstops随机选择一个j'点转移到列表v中;否则退出该模块。
25、step3需求判断:如果第k个车辆没有满足j'点的需求量,则进行判断:
26、若随机值β大于阈值criteria_β,则j'点的需求减少整个汽车容量,并且汽车容量将归零,调度下一辆车,并返回step8.
27、否则,j'点会被第k辆车的部分容量服务,相应的汽车容量减少一部分。
28、step4如果第k个车辆满足了j'点的需求量,则清空该点需求量,代表j'点已被第k辆车服务,并将汽车容量减去该点需求量。返回step 9。
29、allstops=allstops\{j'} (7)
30、(4)本发明所述的路线重洗模块,根据[1,2,…,f]上的均匀分布,选择其中一个可行解,即解池中的第f'个可行解。该可行解的每辆车的路径进行洗牌,生成新的路径。具体步骤如下:
31、step1初始化数据
32、time_check=0andv=poolanswersf,k (8)
33、step2退出判断:如果|v|>1,则进入下一步,否则退出该模块。
34、step3判断是否满足time_check=0,若满足进行v的重构,并计算总时长time,随后进入下一步;否则直接进入step15。
35、step4如果time<t,则使time_check=1,并且返回步骤13
36、step5返回新路径并退出。
37、poolanswersf,k=v (9)
38、(5)本发明所述的算法迭代模块则是算法的完整运行顺序及全流程。先进入数据初始化及预处理模块将模型所给参数输入该算法并对其进行初始化操作;其次进入路线生成模块,生成指定规模的可行路线;随后进入最佳方案选择模块,随机选择一个解决方案进入重洗模块,生成新的解决方案。将新的解决方案和最好的解决方案保存在解决方案池中,其他的解决方案(即f=3,…,f)将在下一个迭代过程中随机生成;最后判断是否达到迭代停止条件,若不满足继续迭代,重复上述操作。
39、本发明的有益效果在于:本发明通过建立独有的高效率模型和相应改进算法,能在较短时间内生成较为合适的排班方案,充分实现医疗公共资源的合理调配,并在算法性能上超越现存相关方法。即本发明在更贴近现实条件下也能提供更快更优的推荐结果,不仅可以提高医疗服务的质量和效率,降低医疗成本,还可以保障公众的健康权益,提高人民的就医体验。
1.多周期下医院免费班车排班+路径智能优化算法,其特征包括:
2.如权利要求1所述的智能优化算法,其特征在于,所述数据初始化及预处理模块,将模型所给参数输入该算法并对其进行初始化操作,具体如下:
3.如权利要求1所述的智能优化算法,其特征在于,所述最佳方案选择模块,介绍了算法的选择操作,具体如下:
4.如权利要求1所述的路线生成模块,对提出的第f个方案,对坐标集和v的每个坐标点分配路线,具体编码操作如下:
5.如权利要求1所述的路线重洗模块,根据[1,2,…,f]上的均匀分布,选择其中一个可行解,即解池中的第f′个可行解。该可行解的每辆车的路径进行洗牌,生成新的路径,具体步骤如下:
6.如权利要求1所述的算法迭代模块则是算法的完整运行顺序及全流程。先进入数据初始化及预处理模块将模型所给参数输入该算法并对其进行初始化操作;其次进入路线生成模块,生成指定规模的可行路线;随后进入最佳方案选择模块,随机选择一个解决方案进入重洗模块,生成新的解决方案,将新的解决方案和最好的解决方案保存在解决方案池中,其他的解决方案(即f=3,…,f)将在下一个迭代过程中随机生成;最后判断是否达到迭代停止条件,若不满足继续迭代,重复上述操作。