[发明专利]一种医生和助手排班的方法

说明书

本发明公开了一种医生和助手排班的方法，要解决的是现有医院排班中的问题。本发明具体步骤如下：步骤一，收集人员信息、班次信息、硬约束条件和历史排班记录；步骤二，对人员信息、班次信息、硬约束条件和历史排班记录通过贪心算法进行一次建模，得到第一次排班结果；步骤三，依据软约束条件、警告条件和遗传算法对第一次排班结果进行二次建模，得到最终排班结果。本发明将医生助手排班问题转化为多目标优化问题，采用多目标进化算法处理医护排班问题，满足了人性化的排班需求；本发明通过医护人员的数量的不同来检测医生助手排班的合理性，尽量在医护人数一定的情况下，让排班更加符合医院的需求，充分地利用医院的有限资源来为病人服务。

技术领域

本发明涉及医生排班领域，具体是一种医生和助手排班的方法。

背景技术

随着社会的发展，医院中医生助手排班的问题越来越备受学者们关注，每个月医院要花费很大的精力去给医生助手排班，因为现在医院需要大量高质量的医生助手，虽然医生助手排班问题是一个跟实际结合，且比较难优化的问题，但是现在已经吸引大量的学者来研究这个问题。

随着医疗迅速的发展，如何合理利用医院现有的资源给病人提供服务极其重要。然而在众多资源中，医生助手起着非常重要的作用，因为在医院资源有限的情况下优化医生和助手(以下简称医助)的排班显得极其重要。所以，合理地利用医院人员并对其进行合理地排班显的极其重要，这样既可以保证给病人提供良好的服务，防止其病情严重，也可以让医院人员得到充足的休息。

由于医助排班问题中存在许多约束和冲突，因此它是一个非常复杂的问题。在许多大型或者互联网医院，医助排班问题对研究者来说具有很大的挑战性。医助排班每天需要哪些医生和助手上班，并且每个班次必须满足一定的约束条件，如覆盖需求，医护的工作量，连续分配的班次，上班和休息的需求以及周末相关的需求。在过去的几年时间内，医助排班问题已经被深入的研究过，并且提出一些比较经典的算法，这些方法主要分为俩类：一种是精确算法，主要采用数学规划的技术，计算复杂度高，限制了其广泛的应用，只能计算小规模的例子；另一种是启发式算法，主要是由Burke等人提出的变领域搜索算法。此外针对医生助手排班问题还有很多解决方案，例如Huang等人提出用进化算法来解决医生助手排班问题。医助排班问题在近几十年来得到了广泛的研究，而最近十年研究尤为深入，在众多求解算法中，主要有精确算法和启发式算法俩大类别。精确算法有Isken和Glass等使用的整数规划方法，以及Belien等提出的分支定价方法。此外，He等使用列生成算法对医生助手排班问题进行了建模与求解，Burke等提出了针对医生助手排班问题的混合禁忌搜索，之后又相继提出了模因算法，变领域搜索，分散搜索和变深度搜索来求解医助排班问题。此外，针对医助排班问题还有众多解决方案，如Bai等提出的混合进化算法，Anwar等提出的超启发式算法及其Huang等提出的进化算法。

但是随着医生助手数量、排班周期和约束条件的个数增加时,求解规模变大时，该方法在线性时间内很难求得最优解,甚至无法完成求解；而且越来越多的医护排班研究中,除了考虑要满足医院的运营管理目标外,还要将医护的个人需求加入到优化目标中，包括医护个人工作班次偏好、工作搭档偏好等。医护排班问题由之前的单目标问题变成多目标问题，人们也在进行相关方面的研究。

发明内容

本发明实施例的目的在于提供一种医生和助手排班的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种医生和助手排班的方法，具体步骤如下：

步骤一，收集人员信息、班次信息、硬约束条件和历史排班记录；

步骤二，对人员信息、班次信息、硬约束条件、贪心算法和历史排班记录进行一次建模，得到第一次排班结果；

步骤三，依据软约束条件、警告条件和遗传算法对第一次排班结果进行二次建模，得到最终排班结果。