【摘要】：健康服務(wù)業(yè)與人們的生活息息相關(guān),經(jīng)過(guò)這些年的迅速發(fā)展,已成為我國(guó)的朝陽(yáng)產(chǎn)業(yè)。隨著新世紀(jì)互聯(lián)網(wǎng)的快速成熟,健康服務(wù)業(yè)也出現(xiàn)了許多新的服務(wù)模式,尤其是互聯(lián)網(wǎng)健康服務(wù)平臺(tái)的出現(xiàn),將線下零散的健康服務(wù)資源進(jìn)行整合,為用戶提供了更加方便快捷的健康服務(wù)。健康服務(wù)平臺(tái)需要根據(jù)預(yù)約信息,將專家分派到不同的服務(wù)站中去為用戶提供服務(wù)。在線下存在多個(gè)健康服務(wù)站的情形下,平臺(tái)需要考慮如何高效合理地調(diào)度專家。本文對(duì)多服務(wù)站專家調(diào)度的研究能夠幫助其節(jié)約成本,有效提高人力資源利用效率。在對(duì)多服務(wù)站專家調(diào)度進(jìn)行研究時(shí),本文基于健康服務(wù)和人力資源相關(guān)知識(shí),綜合考慮了用戶、專家、班次、服務(wù)站等多種因素,建立了0-1整數(shù)規(guī)劃模型。將用戶偏好、專家班次一致性、各站專家任務(wù)公平性、調(diào)度專家數(shù)量等作為評(píng)價(jià)指標(biāo),設(shè)計(jì)了基于第二代非支配排序遺傳算法(NSGA-II)的兩階段進(jìn)化算法(TSGA)。同時(shí)設(shè)計(jì)了新的文化算法(CA),幫助指導(dǎo)TSGA中種群空間的進(jìn)化過(guò)程。兩階段進(jìn)化算法將問(wèn)題求解過(guò)程分為兩個(gè)階段,階段1使用NSGA-II算法對(duì)專家分派過(guò)程進(jìn)行優(yōu)化,階段2使用模擬退火算法(SA)對(duì)戶服務(wù)隊(duì)列進(jìn)行優(yōu)化。文化算法能夠在種群空間進(jìn)化的基礎(chǔ)上,構(gòu)造信念空間,引入知識(shí)模型,通過(guò)知識(shí)引導(dǎo)種群進(jìn)化。根據(jù)問(wèn)題特點(diǎn),本文設(shè)計(jì)了專家分派知識(shí)模型和算子知識(shí)模型并以此構(gòu)建了信念空間,利用專家分派知識(shí)來(lái)優(yōu)化專家的分派計(jì)劃,利用算子知識(shí)來(lái)提高進(jìn)化算法中各算子的利用效率。文章分別為T(mén)SGA和NSGA-II增加了該文化算法框架,形成了新的算法TSGAC和NSGA-II-C。最后,本文依據(jù)實(shí)際中健康服務(wù)平臺(tái)的規(guī)模隨機(jī)生成了A、B、C、D四組案例。以經(jīng)典NSGA-II為基準(zhǔn),比較了TSGA,TSGA-C,NSGA-II,NSGA-II-C四種算法在各案例中的效果,對(duì)比分析表明:TSGA在解決多服務(wù)站專家調(diào)度這一高維多目標(biāo)問(wèn)題上相比于NSGA-II改進(jìn)效果明顯,能夠顯著提高解的質(zhì)量;當(dāng)案例規(guī)模擴(kuò)大,約束復(fù)雜且不容易滿足時(shí),附加的文化算法能夠更好更快地指導(dǎo)種群進(jìn)化,提高求解速度,且其Pareto解集更加豐富全面。
【圖文】：

1.3 論文組織結(jié)構(gòu)本文組織結(jié)構(gòu)如圖 1-1 所示：圖1-1 文章組織結(jié)構(gòu)第一章確定了本文研究的問(wèn)題，介紹了多服務(wù)站專家調(diào)度問(wèn)題的研究背景和研究意義，對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了概述。第二章將對(duì)多服務(wù)站下，健康服務(wù)平臺(tái)的運(yùn)作方式進(jìn)行詳細(xì)描述，確定多服務(wù)站專家調(diào)度問(wèn)題的目標(biāo)并建立一個(gè)多目標(biāo)整數(shù)規(guī)劃模型，然后將對(duì)模型進(jìn)行分析，提出問(wèn)題的求解思路。在建立了問(wèn)題模型后，第三章將針對(duì)問(wèn)題設(shè)計(jì)一個(gè)兩階段進(jìn)化算法進(jìn)行求解。在算法階段一使用 NSGA-II 進(jìn)行指派專家組優(yōu)化，生成專家分派方案種群，在階段二使用模擬退火算法對(duì)服務(wù)隊(duì)列進(jìn)行優(yōu)化，，生成新的可行解。為了提高求解效果，將分別為階段一和階段二設(shè)計(jì)多種鄰域移動(dòng)規(guī)則。為了提高求解效率

9華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文圖2-1 健康服務(wù)平臺(tái)專家調(diào)度模式不失一般性，我們對(duì)研究的問(wèn)題做出以下假設(shè)：（1）用戶必須在預(yù)約日期之前登錄平臺(tái)進(jìn)行預(yù)約，所有預(yù)約成功的用戶都能接受服務(wù)。（2）一個(gè)班次內(nèi)，每位用戶只能預(yù)約一個(gè)服務(wù)。（3）不考慮專家技能水平的影響。所有專家的技能水平相同。（4）每次服務(wù)只需要一位專家即可。（5）一位專家在一個(gè)班次內(nèi)只能工作在同一服務(wù)站，但不同班次可以工作于不同的服務(wù)站。2.2.2 專家調(diào)度方案一個(gè)完整的專家分派方案可以用如下兩個(gè)表格所示，表 2-1 代表 位專家的分派方案， 其中每一行表示一位專家的工作分派計(jì)劃。專家在上午班和下午班可以工作在不同的服務(wù)站，服務(wù)站使用數(shù)字編號(hào)，編號(hào) 代表工作在服務(wù)站
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R197.6;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈麗麗;;求解約束優(yōu)化問(wèn)題的文化算法研究[J];信息與電腦(理論版);2013年08期

2 王雪潔;孫汪萍;徐麗萍;;文化算法在化工過(guò)程中的應(yīng)用研究綜述[J];石化技術(shù);2018年01期

3 柳賽男;;基于云文化算法的裝箱優(yōu)化算法[J];工業(yè)工程與管理;2016年04期

4 譚濤;鄧兆祥;舒紅宇;楊金歌;;一種文化算法優(yōu)化[J];重慶大學(xué)學(xué)報(bào);2018年04期

5 張君;黎明;肖慧榮;魯宇明;;元胞文化算法優(yōu)化仿真研究[J];計(jì)算機(jī)仿真;2018年03期

6 郭一楠;程健;曹媛媛;劉丹丹;;基于混沌知識(shí)遷移的的多種群粒子群文化算法[J];控制理論與應(yīng)用;2011年09期

7 郭一楠;葉莉;程健;;基于協(xié)同交互式多agent文化算法的多用戶智能配色優(yōu)化設(shè)計(jì)[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

8 齊仲紀(jì);劉漫丹;;文化算法研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年05期

9 高麗麗;;文化算法及其應(yīng)用研究[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2012年06期

10 趙良輝;;作業(yè)車間調(diào)度問(wèn)題的文化算法[J];計(jì)算機(jī)工程;2009年13期

相關(guān)會(huì)議論文 前4條

1 郭一楠;葉莉;程健;;基于協(xié)同交互式多agent文化算法的多用戶智能配色優(yōu)化設(shè)計(jì)[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 周偉;卜艷萍;;文化微粒群優(yōu)化算法及其應(yīng)用[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

3 李如飛;張棟;郝峰;;集群巡飛彈協(xié)同航跡規(guī)劃方法研究[A];2018中國(guó)自動(dòng)化大會(huì)(CAC2018)論文集[C];2018年

4 曹俊杰;侍洪波;;基于混合進(jìn)化算法的有限緩沖區(qū)流水線調(diào)度[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第六分冊(cè)）[中南大學(xué)學(xué)報(bào)（增刊）][C];2009年

相關(guān)博士學(xué)位論文 前10條

1 高芳;智能粒子群優(yōu)化算法研究[D];哈爾濱工業(yè)大學(xué);2008年

2 張建華;天線陣方向圖綜合的智能優(yōu)化算法研究[D];哈爾濱工程大學(xué);2012年

3 王巧靈;基于群體智能混合優(yōu)化算法的研究[D];哈爾濱工業(yè)大學(xué);2010年

4 羅云霞;小水電群智能優(yōu)化調(diào)度方法及系統(tǒng)開(kāi)發(fā)[D];浙江工業(yè)大學(xué);2009年

5 董巧英;復(fù)雜產(chǎn)品多級(jí)制造系統(tǒng)生產(chǎn)計(jì)劃與調(diào)度集成優(yōu)化研究[D];上海大學(xué);2010年

6 劉漢敏;衛(wèi)星姿態(tài)控制智能算法研究[D];中國(guó)地質(zhì)大學(xué);2013年

7 劉純青;文化算法及其應(yīng)用研究[D];哈爾濱工程大學(xué);2007年

8 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

9 馬駿;移動(dòng)agent遷移技術(shù)研究[D];哈爾濱工程大學(xué);2009年

10 孫漾;面向水煤漿氣化裝置的過(guò)程建模與操作優(yōu)化技術(shù)[D];華東理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 朱志鵬;多健康服務(wù)站情形下的專家調(diào)度[D];華中科技大學(xué);2019年

2 馬晗;兩種改進(jìn)的文化算法及應(yīng)用[D];長(zhǎng)安大學(xué);2019年

3 巫東凱;基于文化算法的入侵檢測(cè)算法研究[D];哈爾濱理工大學(xué);2018年

4 李鑫瑤;基于文化算法的柔性作業(yè)車間調(diào)度問(wèn)題研究[D];福州大學(xué);2017年

5 宋辰;免疫文化算法研究及其在化工工業(yè)故障診斷中的應(yīng)用[D];華東理工大學(xué);2013年

6 曾濤;基于粒子群文化算法的變電站規(guī)劃研究[D];天津大學(xué);2008年

7 汪麗娜;文化智能優(yōu)化算法及其在約束優(yōu)化問(wèn)題中的應(yīng)用研究[D];華東理工大學(xué);2012年

8 張穎;文化算法及其在投資組合中的應(yīng)用研究[D];哈爾濱理工大學(xué);2008年

9 高麗麗;文化算法及其在建筑創(chuàng)新設(shè)計(jì)中的應(yīng)用[D];山東師范大學(xué);2008年

10 江樂(lè)旗;具有對(duì)偶知識(shí)的文化算法研究及應(yīng)用[D];南昌航空大學(xué);2016年

本文編號(hào)：2637371