کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11027483 1666292 2018 42 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Two metaheuristics for solving no-wait operating room surgery scheduling problem under various resource constraints
ترجمه فارسی عنوان
دو روش متهوریستی برای حل مسئله برنامه ریزی جراحی بدون در نظر گرفتن اتاق عمل تحت محدودیت های منابع مختلف
کلمات کلیدی
برنامه ریزی جراحی، چند مرحله ای محدودیت های چند منبع، جستجو محلی، الگوریتم ژنتیک ترکیبی،
ترجمه چکیده
مسئله مورد مطالعه در این مقاله، برنامه ریزی جراحی اتاق عمل، با محدودیت منابع در هر یک از سه مرحله زیر است: مرحله قبل از عمل، عمل جراحی و بعد از عمل. در دسترس بودن منابع مادی، تخصص و شایستگی منابع انسانی یکپارچه شده است و هدف این است که برنامه های جراحی را با حداقل زمان حداکثر زمان آخرین فعالیت در مرحله 3 و کل زمان بیکاری در اتاق های عمل جراحی قرار دهید. دو متاگیریستی، یک رویکرد جستجو محلی تکراری و یک الگوریتم ژنتیک هیبرید، در موارد واقعی کار روزانه از ادبیات ارائه شده و آزمایش می شوند. آزمایش های محاسباتی نشان می دهد که متائوفیزیک های ما از الگوریتم حل مسئله جاری پیشرفته تر است که بهینه سازی مستعمرات مورچه ای است. الگوریتم ژنتیک ترکیبی به برتری کوچک در برابر الگوریتم جستجوی محلی تکراری رسید. میانگین کاهش در زمان پایان (مجموع زمان بیکاری) با روش جستجوی محلی تکرار 24٪ (59٪) و با الگوریتم ژنتیک ترکیبی در مقایسه با 14٪ (55٪) با کلنی مورچه الگوریتم بهینه سازی
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
پیش نمایش مقاله
دو روش متهوریستی برای حل مسئله برنامه ریزی جراحی بدون در نظر گرفتن اتاق عمل تحت محدودیت های منابع مختلف
چکیده انگلیسی
The problem studied in this paper is operating room surgery scheduling, with resource constraints in each of the three following stages: preoperative, intraoperative, and postoperative stages. The availability of material resources, specialties and qualifications of human resources are integrated, and the aim is to schedule surgeries while minimizing the maximum end time of last activity in stage 3 and the total idle time in the operating rooms. Two metaheuristics, an iterative local search approach and a hybrid genetic algorithm, are provided and tested on real workday instances from the literature. Computational experiments showed that our metaheuristics outperformed the current state-of-the-art solving algorithm which is an ant colony optimization. The hybrid genetic algorithm reached small superiority vs. the iterative local search algorithm. The average reduction in the end time (the total idle time) was 24% (59%) with the iterated local search approach and 24% (70%) with the hybrid genetic algorithm vs. 14% (55%) with the ant colony optimization algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Industrial Engineering - Volume 126, December 2018, Pages 494-506
نویسندگان
, , ,