[发明专利]基于混合灰狼-变邻域搜索算法的手术室调度方法

权利要求书

1.一种基于混合灰狼-变邻域搜索算法的手术室调度方法，其特征在于，所述方法包括：

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q＝1，2，...，popsize，分别表示第q个灰狼在第3s-2，3s-1，3s维上的位置，表明第s个医生分配的手术日为

步骤3、计算解集中每只灰狼的适应度值；包括：

步骤31、对将第s个医生s分配到手术日上，在每个手术室，将所有病人按照手术风险系数非增序排序，从而获得每个手术日的等待列表；

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个手术日的时间差选择最优手术日分配病人k；

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；

步骤4、按照解的优劣进行排序，找出最好的三个解X_α，X_β，X_δ，并记录最优解X_α的适应度值；

步骤5、对X_α，X_β，X_δ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X_α，X_β，X_δ，并记录最优解X_α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；

所述步骤5中对X_α，X_β，X_δ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′的适应度优于解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，得新解X″，且邻域搜索次数限制为ρ，搜索不到，则停止；

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X_α，X_β，X_δ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。