本發(fā)明涉及智能調度和優(yōu)化，尤其涉及多算法組合優(yōu)化的120急救中心救護車任務分配方法。

背景技術：

1、現有的急救車調度系統(tǒng)主要依賴于人工調度或簡單的規(guī)則算法，難以在復雜動態(tài)環(huán)境下實現高效的任務分配和路徑優(yōu)化。傳統(tǒng)的人工智能算法在應對急救任務的隨機性和突發(fā)性方面存在較大局限性，導致響應時間較長，資源利用率低，無法充分滿足實際需求。因此，亟需一種新型的算法來提升急救車調度的效率和響應速度。

2、盡管人工智能算法在其他領域的應用取得了顯著成效，但在120急救車調度系統(tǒng)中的應用依然面臨不少挑戰(zhàn)?，F有的許多基于人工智能的調度算法，如遺傳算法、蟻群算法等，雖然在解決某些優(yōu)化問題上表現突出，但由于急救車調度問題的特殊性，這些算法未能完全適應高動態(tài)性、多變量和實時性強的調度環(huán)境。例如，遺傳算法在處理大規(guī)模調度問題時，容易陷入局部最優(yōu)而難以達到全局最優(yōu)解；蟻群算法雖然在初期能快速找到可行解，但在實時更新路徑和優(yōu)化決策方面存在缺陷。這表明現有的單一人工智能算法在急救車調度領域尤其是在處理復雜、動態(tài)環(huán)境下的實時調度問題時存在局限性。

技術實現思路

1、為了解決現有單一人工智能算法無法充分適應實際情況下復雜的急救車調度需求的問題，本發(fā)明提出多算法組合優(yōu)化的120急救中心救護車任務分配方法，解決上述問題。

2、本技術公開了多算法組合優(yōu)化的120急救中心救護車任務分配方法，包括以下步驟：

3、s1、獲取當前時間段內所有待救治病人的具體位置及其病重情況、所有空閑救護車的具體位置、所有醫(yī)院的具體位置及醫(yī)院對每一位病人的救治能力。

4、s2、構建救護車的任務分配評價函數以及每位病人得到的救治效果評價函數。

5、s3、結合a*算法進行路徑規(guī)劃，確保救護車選擇最優(yōu)路線。

6、s4、利用伊藤算法和牛頓-拉夫遜優(yōu)化算法迭代計算每位病人的最優(yōu)分配結果，使得每位病人都能夠得到急救。

7、優(yōu)選的，所述s1包括以下步驟：

8、通過急救呼叫系統(tǒng)獲取當前時間段內所有待救治病人的具體位置，具體可通過gps定位系統(tǒng)、急救呼叫記錄以及患者手機的位置服務等方式獲取。

9、通過急救呼叫時的患者自述、急救人員的初步判斷以及病人歷史健康記錄獲取病人的病重情況。

10、通過車輛調度系統(tǒng)和gps定位系統(tǒng)獲取所有空閑救護車的具體位置，每輛救護車的實時位置信息通過安裝在車輛上的gps設備獲取，并通過無線網絡傳輸到調度中心。

11、通過地理信息系統(tǒng)獲取醫(yī)院的具體位置。

12、通過醫(yī)院的實時資源管理系統(tǒng)中床位數量、急診室容量、可用醫(yī)療設備以及醫(yī)護人員數量等獲取醫(yī)院對病人的救治能力。

13、優(yōu)選的，所述任務分配評價函數為：

14、

15、其中，n為病人數量，qi為第i個病人的救治效果，σf為所有病人救治效果的標準差，λ為調節(jié)參數，用于平衡總救治效果和其標準差。該式表示為了使得每位病人得到的治療效果相對較均衡，不至于出現治療效果過差的病人從而危及其生命，因此可根據所有病人治療效果的標準差σf對所有救護車的任務分配情況進行平衡。

16、優(yōu)選的，所述救治效果評價函數為：

17、

18、其中，eij為第j個醫(yī)院對第i個病人的救治能力，ti為救護車前往第i個病人所在位置的時間消耗，tij為第i個病人從等待救護車至到達第j個醫(yī)院的時間消耗，wi為第i個病人的病重系數。

19、首先根據某個病人的具體位置與某臺救護車的具體位置得到救護車前往該病人的時間消耗ti，然后再根據該病人的具體位置與某個醫(yī)院的具體位置得到該病人前往該醫(yī)院的時間消耗tij，則該病人從撥打120到到達某個醫(yī)院的時間消耗則為ti+tij。為使得病人能夠得到較好的治療效果，則需要從所有救護車與醫(yī)院中找到能使得qij最大的分配結果。該救治效果評價函數用于評估不同醫(yī)院和救護車組合對病人的救治效果，并在后續(xù)步驟中用于優(yōu)化分配結果。

20、優(yōu)選的，所述s3包括以下步驟：

21、s31、定義狀態(tài)空間，所述狀態(tài)空間包括所有路網節(jié)點，每個節(jié)點表示一個地理位置，如街道交叉口、醫(yī)院、病人位置等。

22、s32、定義啟發(fā)函數，啟發(fā)函數用于估計當前節(jié)點到目標節(jié)點的最短路徑，所述啟發(fā)函數如下式：

23、

24、其中，(xgoal,ygoal)為目標節(jié)點的坐標，(xn,yn)為當前節(jié)點的坐標；

25、s33、初始化，初始化開啟列表和關閉列表，將起點節(jié)點加入開啟列表，并設置其初始代價為0。

26、s34、節(jié)點擴展，從開啟列表中選擇代價函數最小的節(jié)點進行擴展，所述代價函數如下式：

27、f(n)＝g(n)+h(n)；

28、其中，g(n)為起點到當前節(jié)點的實際代價。

29、s35、路徑更新，對于當前節(jié)點的每個相鄰節(jié)點，計算新的代價函數值f(n)，如果該相鄰節(jié)點不在開啟列表中，或者新的代價函數值小于該節(jié)點的已有值，則更新該節(jié)點的代價值，并將其父節(jié)點設置為當前節(jié)點。

30、s36、重復迭代，重復s34和s35，直到目標節(jié)點被擴展，或開啟列表為空(表示無可行路徑)。

31、s37、路徑回溯，從目標節(jié)點開始回溯，通過父節(jié)點指針逐步回溯到起點節(jié)點，得到最優(yōu)路徑。

32、優(yōu)選的，所述s4包括以下步驟：

33、s41、粒子適應度計算，根據s2獲得的任務評價函數公式計算所有粒子的適應度，計算得到的評價函數f的值即為粒子適應度。

34、s42、對所有粒子按照適應度大小進行排序，根據每個粒子的適應度計算每個粒子的半徑，計算公式為：

35、

36、其中，rmax為粒子半徑的最大值，rmin為粒子半徑的最小值，p表示按適應度大小排序在第p位的粒子，m為粒子總數。

37、s43、計算環(huán)境溫度，用于模擬分配過程中的冷卻過程，避免局部最優(yōu)解，計算公式為：

38、τt＝τ0×αt；

39、其中，τt為第t次迭代時的環(huán)境溫度，τ0為初始溫度，α為退火系數。

40、s44、計算粒子的運動強度，計算公式為：

41、

42、其中，β為粒子半徑的影響因子。

43、s45、執(zhí)行漂移算子，漂移算子的目的是將解向全局最優(yōu)解靠攏，減少解的偏差，確保每位病人都能得到最優(yōu)的急救效果，由下式表示：

44、hi(s,j)＝hi(s,j)+x(p)σ″,ifec(s,j)∈σ∪σ′；

45、其中，σ為當前粒子，σ′為本輪迭代中的最優(yōu)粒子，即吸引元，σ″表示本輪迭代中第i位病人未被分配過的救護車和醫(yī)院，為hi(s,j)表示第i位病人被分配到的救護車s和醫(yī)院j，ec(s,j)表示第c次迭代中節(jié)點(s,j)的邊。該式表示增加當前粒子和最優(yōu)粒子中相同分配結果的選擇權重，使得下次迭代的可行解朝著最優(yōu)解漂移。

46、s46、執(zhí)行波動算子，波動算子的目的是增加解的多樣性，防止陷入局部最優(yōu)，由下式表示：

47、hi(s,j)＝hi(s,j)+x(p),ifec(s,j)∈σ″∪σ′∪σ″∩rand(0,1)<pperturb；

48、其中，rand(0,1)表示隨機函數，可在[0,1]區(qū)間內產生一個隨機數，pperturb為擾動概率，用于控制粒子進行波動過程的概率。該式表示增加某位病人未被分配過的救護車和醫(yī)院，以及隨機某臺救護車和醫(yī)院的選擇權重，使得下次迭代的粒子進行隨機擾動。

49、s47、對粒子進行更新，構造一個新解。

50、s48、若更新后的新粒子優(yōu)于當前粒子，則用新粒子替換當前粒子并結束當前粒子更新。

51、s49、判斷當代最優(yōu)粒子是否優(yōu)于歷史最優(yōu)粒子，若是，則替換歷史最優(yōu)粒子為當代最優(yōu)粒子，并重置最大未更新次數為0，若否，則最大未更新次數加1。

52、s410、判斷是否達到最大未更新次數，若是，則輸出最優(yōu)分配結果，若否，則轉至s43。

53、s411、結合牛頓-拉夫遜優(yōu)化算法，進一步優(yōu)化每一位病人的分配結果。

54、優(yōu)選的，所述s47包括以下步驟：

55、s471、初始化禁忌表為空；

56、s472、遍歷每一位病人構造新的可行解；

57、s473、將未在禁忌表中的救護車加入候選列表；

58、s474、計算候選救護車以及所有醫(yī)院的選擇概率，其計算公式如下：

59、

60、其中，pi(s,j)表示第i位病人分配到的救護車和醫(yī)院(s,j)的選擇概率，tabu表示禁忌表，禁忌表記錄了所有已被分配的救護車，ηi(j)為tij的倒數，參數ψ用于控制信息素濃度在選擇概率計算中的權重，參數ω用于控制時間消耗在選擇概率計算中的權重；

61、s475、利用輪盤賭方式選擇出一臺救護車和一家醫(yī)院分配給當前病人；

62、s476、將救護車移出候選列表并加入禁忌表；

63、s477、判斷所有病人是否都得到了分配，若是，則輸出新解并結束當前循環(huán)，若否則返回s472。

64、優(yōu)選的，所述s411包括以下步驟：

65、s4111、構建目標函數，使得每位病人都能得到最優(yōu)的急救效果，目標函數計算公式如下：

66、

67、其中，x為所有病人分配方案的向量；

68、s4112、計算目標函數的梯度，計算公式為：

69、

70、其中，每個分量x1,x2,…,xn代表一個決策變量；

71、s4113、計算目標函數的海森矩陣，計算公式為：

72、

73、其中，xa和xb為解向量中的決策變量，代表優(yōu)化問題中的不同維度。海森矩陣的元素表示目標函數g關于變量xa和xb的二階偏導數，它反映了函數在各個方向上的曲率信息。

74、41114、根據牛頓-拉夫遜優(yōu)化算法，更新分配方案，更新公式為：

75、

76、其中，xk為第k次迭代的分配方案；

77、s4115、設置迭代終止條件，當梯度的范數小于預設閾值ε時，停止迭代，輸出最優(yōu)分配方案。

78、本發(fā)明的有益效果：

79、(1本發(fā)明通過a*算法提供了高效的路徑優(yōu)化，確保救護車選擇最優(yōu)路線，縮短響應時間。通過伊藤算法處理急救任務的隨機性和動態(tài)變化，提供了魯棒性和適應性，確保任務分配的靈活性。通過牛頓-拉夫遜優(yōu)化算法提供了快速的局部優(yōu)化能力，結合伊藤算法的初始解，進一步提升了分配結果的精確度。

80、(2)本發(fā)明通過多算法的組合優(yōu)化，在響應時間、救治效果和資源利用率方面均優(yōu)于傳統(tǒng)的單一算法調度方案，充分展示了在復雜動態(tài)環(huán)境下的優(yōu)勢，能夠高效地進行多救護車任務分配，確保每位病人都能得到及時有效的救治。