本發(fā)明涉及醫(yī)療物資調(diào)度領(lǐng)域，更具體的，涉及基于改進(jìn)的種群算法的物資線下服務(wù)任務(wù)調(diào)度方法及系統(tǒng)。

背景技術(shù)：

1、隨著人口老齡化的日益嚴(yán)重，為患者及時(shí)提供更高效、高質(zhì)量的醫(yī)療服務(wù)是當(dāng)前醫(yī)療服務(wù)急需解決的問題。因此，研發(fā)先進(jìn)實(shí)用的醫(yī)療物資服務(wù)任務(wù)調(diào)度方法具有重要的經(jīng)濟(jì)意義和社會(huì)價(jià)值。

2、醫(yī)療物資服務(wù)任務(wù)調(diào)度問題可描述為：為遠(yuǎn)程線下服務(wù)患者提供醫(yī)療物資配送服務(wù)，使用一個(gè)配送中心，配送中心使用多臺(tái)相同類型的配送車為若干個(gè)病患配送醫(yī)療物資；每輛車從配送中心出發(fā)，在患者要求的服務(wù)時(shí)間窗內(nèi)把醫(yī)療物資運(yùn)送到該車所負(fù)責(zé)的所有病患，最后返回到配送中心；要求每位病患恰好由一輛車配送醫(yī)療物資。針對(duì)所有的被服務(wù)的患者，確定所有的患者都能在其對(duì)應(yīng)的時(shí)間窗內(nèi)進(jìn)行服務(wù)，并要求配送方案中所有車輛總的行駛距離最短。

3、現(xiàn)有技術(shù)有一種多車輛遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度方法，針對(duì)多車輛遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度問題，提出一種改進(jìn)的自適應(yīng)共生生物搜索算法求解，具體步驟為：建立多車輛遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度的數(shù)學(xué)模型；定義適應(yīng)度函數(shù)；設(shè)置算法的控制參數(shù)；初始化；對(duì)初始種群進(jìn)行基因微調(diào)、個(gè)體解碼，計(jì)算適應(yīng)度值；確定全局最優(yōu)個(gè)體；依次執(zhí)行自適應(yīng)互利共生操作、自適應(yīng)偏利共生操作更新種群；對(duì)更新的種群進(jìn)行基因微調(diào)、個(gè)體解碼，計(jì)算適應(yīng)度值；更新最優(yōu)解；判斷是否達(dá)到最大迭代次數(shù)；輸出最優(yōu)解。

4、然而現(xiàn)有技術(shù)針對(duì)物流配送的調(diào)度方案調(diào)度效率低，容易陷入局部最優(yōu)，因此有必要進(jìn)行優(yōu)化改進(jìn)。發(fā)明一種針對(duì)醫(yī)療物資線下服務(wù)任務(wù)調(diào)度方法，是本技術(shù)領(lǐng)域亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決現(xiàn)有技術(shù)調(diào)度效率低，容易陷入局部最優(yōu)的問題，提供了基于改進(jìn)的種群算法的物資線下服務(wù)任務(wù)調(diào)度方法及系統(tǒng)，其具有收斂能力好、尋優(yōu)效率高的特點(diǎn)。

2、為實(shí)現(xiàn)上述本發(fā)明目的，采用的技術(shù)方案如下：

3、基于改進(jìn)的種群算法的物資線下服務(wù)任務(wù)調(diào)度方法，包括以下具體步驟：

4、構(gòu)建任務(wù)調(diào)度模型；

5、設(shè)定個(gè)體的適應(yīng)度函數(shù)；初始化任務(wù)調(diào)度模型；

6、應(yīng)用logistic映射生成模型的初始種群，并將個(gè)體分別賦給種馬和小馬；

7、對(duì)種群個(gè)體進(jìn)行解碼，確定任務(wù)調(diào)度模型中各變量的值，確定沒有違反服務(wù)時(shí)間窗，得到每個(gè)個(gè)體所表達(dá)的配送方案，并計(jì)算其適應(yīng)度值；

8、基于適應(yīng)度值，按照每匹種馬和若干匹小馬為一組進(jìn)行分組；選取當(dāng)前種群中適應(yīng)度值最大的個(gè)體作為全局最優(yōu)個(gè)體；

9、通過依次執(zhí)行野馬放牧和小馬交配操作、團(tuán)隊(duì)領(lǐng)導(dǎo)操作更新個(gè)體；

10、應(yīng)用2-opt、翻轉(zhuǎn)和交換子序列對(duì)野馬進(jìn)行局部搜索；

11、應(yīng)用引領(lǐng)函數(shù)對(duì)種馬進(jìn)行優(yōu)化更新，應(yīng)用跟隨函數(shù)對(duì)小馬進(jìn)行優(yōu)化更新；

12、更新最優(yōu)解；

13、采用混合改進(jìn)的鵝優(yōu)化算法對(duì)全局最優(yōu)解進(jìn)行優(yōu)化；

14、迭代更新最優(yōu)解；

15、輸出最優(yōu)解作為最優(yōu)線下服務(wù)任務(wù)調(diào)度方案。

16、優(yōu)選的，所述的任務(wù)調(diào)度模型，具體為：

17、

18、其中， dist為所有車輛的總行駛距離； n為患者的數(shù)量，患者依次編號(hào)為1,2,…, n，配送中心編號(hào)為0； m為配送中心所擁有的車輛數(shù)； tij為患者 i、 j之間的距離， i， j=0,1,...?, n， i≠j，； xijm為非0即1的變量， i， j=0,1,..., n， m=0,1,..., m； xijm=1時(shí)表示車輛 m從患者 i行駛至患者 j； gi為患者 i的需求量， i=1,2,..., n； zim為非0即1的變量， i=0,1,..., n； m=1,2,..., m；zim=1時(shí)表示患者 i由車輛 m配送； cap表示每輛車的最大載貨量； v表示車輛的行駛速度； tij表示車輛從患者 i到 j的時(shí)間； ai表示患者 i的左時(shí)間窗口， bi表示患者 i的右時(shí)間窗口； sim表示患者 i的服務(wù)時(shí)間；每位患者只能由一輛車進(jìn)行服務(wù)；每位患者必須在給定的服務(wù)時(shí)間窗內(nèi)得到服務(wù)。

19、進(jìn)一步的，所述的適應(yīng)度函數(shù)具體為：

20、

21、初始化任務(wù)調(diào)度模型，具體為：

22、設(shè)定種群規(guī)模 pop_n、最大迭代次數(shù) m_iter、當(dāng)前迭代次數(shù) iter、種馬比例 ps、交配概率 pc；計(jì)算種馬數(shù)量 sta_n= pop_n* ps和小馬數(shù)量 foal_n= pop_n*(1- ps)。

23、更進(jìn)一步的，應(yīng)用logistic映射生成模型的初始種群，具體步驟為：

24、生成的初始種群為實(shí)數(shù)編碼方式，記第 i（ i=1,2,..., pop_n）個(gè)個(gè)體為 wi：

25、， j=1,2,..., b

26、其中， wij為第 i個(gè)個(gè)體的第 j個(gè)基因，。

27、更進(jìn)一步的，對(duì)種群個(gè)體進(jìn)行解碼，具體為步驟：

28、通過將各個(gè)個(gè)體 wi（ i=1,2,..., pop_n）中的基因按照索引值映射到整數(shù)域，構(gòu)造；以大于 n的數(shù)把 ti的分量進(jìn)行分組，每一組是一個(gè)有序集合，對(duì)應(yīng)一輛車服務(wù)的配送方案。

29、更進(jìn)一步的，通過依次執(zhí)行野馬放牧和小馬交配操作、團(tuán)隊(duì)領(lǐng)導(dǎo)操作更新個(gè)體，具體步驟為：

30、對(duì)每個(gè)小馬個(gè)體 foali( i=1,2,..., pop_n*( 1-ps))進(jìn)行放牧：

31、

32、其中， p是由0和1組成的向量，,均為[0，1]范圍內(nèi)均勻分布的隨機(jī)向量， r2為[0，1]內(nèi)一隨機(jī)數(shù)； seq為滿足條件 p==0的隨機(jī)向量 r1返回的索引值，θ為點(diǎn)乘； y是自適應(yīng)機(jī)制； tr表示從1線性遞減到0的系數(shù)；為小組成員小馬 j當(dāng)前的位置，為小組領(lǐng)導(dǎo)種馬當(dāng)前的位置；

33、小馬交配，具體為：

34、

35、其中，為組 i中個(gè)體 q離群后再次進(jìn)入組 i的個(gè)體位置，為組 j中個(gè)體 z離群后再次進(jìn)入組 j的個(gè)體位置；為組 k中個(gè)體 p由組 i中的 q和組 j中的 z交配產(chǎn)生的后代個(gè)體，和分別為其父代個(gè)體；

36、團(tuán)隊(duì)領(lǐng)導(dǎo)操作，具體包括以下步驟：

37、對(duì)團(tuán)隊(duì)領(lǐng)導(dǎo)種馬操作 stai( i=1,2,..., pop_n* ps)計(jì)算：

38、

39、其中，是組 i領(lǐng)導(dǎo)者的下一個(gè)位置， wbest為全局最優(yōu)值，是組 i領(lǐng)導(dǎo)者的當(dāng)前位置， y為計(jì)算的自適應(yīng)參數(shù)， r是[-2，2]的隨機(jī)數(shù)，π=3.14；

40、進(jìn)行交流和選拔領(lǐng)導(dǎo)操作：

41、

42、其中， foalg,i為小組中的最優(yōu)成員， dist表示配送方案路徑距離；如果組中最優(yōu)成員優(yōu)于小組領(lǐng)導(dǎo)，則小組領(lǐng)導(dǎo)和成員進(jìn)行交換。

43、更進(jìn)一步的，應(yīng)用2-opt、翻轉(zhuǎn)和交換子序列對(duì)野馬進(jìn)行局部搜索，具體包括以下步驟：

44、對(duì)野馬個(gè)體進(jìn)行2-opt操作，選取個(gè)體中任意兩個(gè)維度的值進(jìn)行交換，得到新的個(gè)體，比較新個(gè)體與原個(gè)體的適應(yīng)度值，如果新個(gè)體的適應(yīng)度值比原個(gè)體適應(yīng)度值大，則將個(gè)體進(jìn)行更新，具體為：

45、選取中的 i、 j兩個(gè)維度進(jìn)行交換，交換后為；

46、對(duì)野馬個(gè)體進(jìn)行翻轉(zhuǎn)操作，選取個(gè)體中任意兩個(gè)維度的值進(jìn)行翻轉(zhuǎn)，得到新的個(gè)體，比較新個(gè)體與原個(gè)體的適應(yīng)度值，如果新個(gè)體的適應(yīng)度值比原個(gè)體適應(yīng)度值大，則將個(gè)體進(jìn)行更新，具體為：

47、選取中的 i、 j兩個(gè)維度進(jìn)行翻轉(zhuǎn)，翻轉(zhuǎn)后為。

48、交換子序列對(duì)野馬個(gè)體進(jìn)行局部搜索，具體為：

49、選取中的 i、j、k、l四個(gè)維度進(jìn)行交換，前面的兩個(gè)位置作為子序列1，其余的位置作為子序列2，并交換這兩個(gè)子序列，交換后為。

50、更進(jìn)一步的，應(yīng)用引領(lǐng)函數(shù)對(duì)種馬進(jìn)行優(yōu)化更新，應(yīng)用跟隨函數(shù)對(duì)小馬進(jìn)行優(yōu)化更新,具體步驟為：

51、對(duì)種馬應(yīng)用引領(lǐng)函數(shù)進(jìn)行改進(jìn)：

52、

53、為改進(jìn)后的個(gè)體， wbest為全局最優(yōu)值，為當(dāng)前值；

54、對(duì)小馬應(yīng)用跟隨函數(shù)進(jìn)行改進(jìn)：

55、

56、 foali+1為小馬改進(jìn)后的個(gè)體， θ為小馬相對(duì)組領(lǐng)導(dǎo)及全局最優(yōu)個(gè)體的位置夾角，取[0,45°]，；

57、持續(xù)更新最優(yōu)解。

58、更進(jìn)一步的，采用混合改進(jìn)的鵝優(yōu)化算法對(duì)全局最優(yōu)解進(jìn)行優(yōu)化，具體步驟為：

59、；

60、

61、其中， randn()為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)函數(shù)；； t表示時(shí)間參數(shù)；得到新的 wbest與最差的種馬進(jìn)行交換，同時(shí)和當(dāng)前最優(yōu)值進(jìn)行比較，如果優(yōu)于最優(yōu)值，則更新最優(yōu)值。

62、基于改進(jìn)的種群算法的物資線下服務(wù)任務(wù)調(diào)度系統(tǒng)，包括模型構(gòu)建模塊、初始化模塊、適應(yīng)度值計(jì)算模塊、迭代優(yōu)化模塊、局部搜索模塊、引領(lǐng)函數(shù)和跟隨函數(shù)優(yōu)化模塊、混合改進(jìn)的鵝優(yōu)化算法模塊、輸出最優(yōu)結(jié)果模塊；

63、所述的模型構(gòu)建模塊用于構(gòu)建任務(wù)調(diào)度模型；

64、所述的初始化模塊用于設(shè)定個(gè)體的適應(yīng)度函數(shù)；初始化任務(wù)調(diào)度模型；應(yīng)用logistic映射生成模型的初始種群，并將個(gè)體分別賦給種馬和小馬；

65、所述的適應(yīng)度值計(jì)算模塊用于對(duì)種群個(gè)體進(jìn)行解碼，確定任務(wù)調(diào)度模型中各變量的值，確定沒有違反服務(wù)時(shí)間窗，得到每個(gè)個(gè)體所表達(dá)的配送方案，并計(jì)算其適應(yīng)度值；

66、所述的迭代優(yōu)化模塊用于基于適應(yīng)度值，按照每匹種馬和若干匹小馬為一組進(jìn)行分組；選取當(dāng)前種群中適應(yīng)度值最大的個(gè)體作為全局最優(yōu)個(gè)體；

67、所述的局部搜索模塊用于應(yīng)用2-opt、翻轉(zhuǎn)和交換子序列對(duì)野馬進(jìn)行局部搜索；

68、所述的引領(lǐng)函數(shù)和跟隨函數(shù)優(yōu)化模塊用于應(yīng)用引領(lǐng)函數(shù)對(duì)種馬進(jìn)行優(yōu)化更新，應(yīng)用跟隨函數(shù)對(duì)小馬進(jìn)行優(yōu)化更新；

69、所述的混合改進(jìn)的鵝優(yōu)化算法模塊用于采用混合改進(jìn)的鵝優(yōu)化算法對(duì)全局最優(yōu)解進(jìn)行優(yōu)化；

70、所述的輸出最優(yōu)結(jié)果模塊用于輸出最優(yōu)解作為最優(yōu)線下服務(wù)任務(wù)調(diào)度方案。

71、本發(fā)明的有益效果如下：

72、本發(fā)明公開了基于改進(jìn)的種群算法的物資線下服務(wù)任務(wù)調(diào)度方法，通過構(gòu)建任務(wù)調(diào)度模型、通過構(gòu)建種群、對(duì)種群進(jìn)行解碼并求解其適應(yīng)度值、迭代求解最優(yōu)適應(yīng)度值，求解得到醫(yī)療物資線下服務(wù)任務(wù)調(diào)度問題的最優(yōu)解；本發(fā)明應(yīng)用2-opt、翻轉(zhuǎn)和交換子序列對(duì)野馬進(jìn)行局部搜索，應(yīng)用引領(lǐng)函數(shù)對(duì)種馬進(jìn)行優(yōu)化更新，應(yīng)用跟隨函數(shù)對(duì)小馬進(jìn)行優(yōu)化更新，與現(xiàn)有技術(shù)相比，能夠更快更準(zhǔn)確的進(jìn)行優(yōu)化，且具有運(yùn)行速度快、不易陷入局部最優(yōu)、收斂能力好的特點(diǎn)。