[发明专利]加权完成时间最小情况下基于蜻蜓算法的手术室调度方法

权利要求书

1.一种手术加权完成时间最小情况下基于蜻蜓算法的手术室调度方法，其特征在于，包括：

S100、获取待做的多台手术中每台手术的手术时长；根据所述多台手术中每台手术的优先级和患者等待时长，确定该台手术的权重；

S200、根据所述多台手术各自的手术时长和权重，采用预设蜻蜓算法确定目标函数的解，并根据目标函数的解对手术室进行调度；所述目标函数为所述多台手术的总加权完成时间最小；

其中，所述采用预设蜻蜓算法确定目标函数的解，包括：

S201、设定所述预设蜻蜓算法的算法参数，所述算法参数至少包括最大迭代次数、食物源、天敌和蜻蜓个数；

S202、根据手术室的数量和所述多台手术的台数，生成所述目标函数的初始解；

S203、对所述初始解进行变异操作得到每只蜻蜓的初始位置，并确定每只蜻蜓的初始速度，以实现对蜻蜓种群的初始化；

S204、计算每只蜻蜓的个体适应度值，并将所述个体适应度值分别与食物源适应度值和天敌适应度值进行比较：

若所述个体适应度值大于食物源适应度值，则将食物源更新为该只蜻蜓的位置；否则，保持所述食物源不变；

若所述个体适应度值小于天敌适应度值，则将天敌更新为该只蜻蜓的位置；否则，保持所述天敌不变；

S205、针对每一只蜻蜓，根据视野半径和该只蜻蜓与其他蜻蜓之间的欧式距离，确定在该只蜻蜓的视野范围内是否存在其他蜻蜓：

若是，则计算该只蜻蜓的种族因素，并根据所述种族因素对该只蜻蜓的速度和位置进行更新；

否则，采用随机游走的方式对该只蜻蜓的位置进行更新；

S206、增加每只蜻蜓的视野半径；

S207、将每一蜻蜓的位置修正为距离最近的正整数；

S208、判断各个蜻蜓的位置是否相同：

若是，则将蜻蜓的位置作为收敛解，并进入S209；

否则，返回步骤S204；

S209、对所述收敛解进行禁忌搜索操作，得到当前迭代过程的全局最优解；

S210、判断当前迭代次数是否小于最大迭代次数：

若是，则将当前迭代次数加1，并返回步骤S203；

否则，将最后一次迭代过程得到的全局最优解作为所述目标函数的解。

2.根据权利要求1所述的方法，其特征在于，采用下式确定每台手术的权重：

w＝α+λβ

式中，α表示该台手术的优先级映射在[0,1]区间中的值，β表示该台手术的患者等待时长映射在[0,1]区间中的值，λ表示优先级和患者等待时长两者的因素比例系数，h表示该台手术的患者等待时长，h_max表示所述多台手术中最长的患者等待时长，h_min表示所述多台手术中最小的患者等待时长。

3.根据权利要求1所述的方法，其特征在于，所述对所述初始解进行变异操作得到每只蜻蜓的初始位置，包括：

针对每一只蜻蜓执行以下步骤：

采用第一随机函数确定该只蜻蜓变异的次数，所述第一随机函数为variation＝rand(1,va)，式中，variation为变异次数，rand(1,va)表示随机生成1到va之间的整数，va为大于1的整数；

采用第二随机函数确定该只蜻蜓变异的种类，所述第二随机函数为p＝rand(0,1)，式中，p为变异的种类，取值为0或1，p为0表示变异的种类为突变，p为1表示变异的种类为交换；

根据变异的次数和种类，对所述初始解进行变异处理，得到该只蜻蜓的初始位置。

4.根据权利要求1所述的方法，其特征在于，采用下式确定第q只蜻蜓的初始速度：

V_q＝(v₁,v₂,...,v_j,...,v_n)

v_j＝randv(-1,1)

式中，V_q为第q只蜻蜓的初始速度，randv(-1,1)产生-1到1之间的随机数，n为所述多台手术的台数。