[發(fā)明專利]一種遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度方法及裝置

有效

• 申請?zhí)枺?/td>: 201810219209.5
• 申請日: 2018-03-16
• 公開（公告）號: CN108389003B
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計）人: 蔡延光;謝湘平;蔡顥
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30;G06N3/00
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 張春水;唐京橋

1.一種遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度方法，其特點在于，包括：

確定遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)的車輛信息和服務(wù)點信息，其中，所述車輛信息包括：車輛總數(shù)、車輛的最大行駛路程、車輛在各服務(wù)點對應(yīng)的藥物重量和車輛最大載重量，所述服務(wù)點信息包括：服務(wù)點的總數(shù)和車輛在各服務(wù)點之間行駛的總路程；

根據(jù)所述車輛信息和所述服務(wù)點信息建立遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度規(guī)劃數(shù)學(xué)模型；

所述規(guī)劃數(shù)學(xué)模型具體為：

其中，Z為車輛行駛的總距離，K為所述車輛總數(shù)，N為所述服務(wù)點的總數(shù)，d_ij為車輛從服務(wù)點i行駛到服務(wù)點j的總路程，D_k為所述車輛的最大行駛路程，q_i為所述車輛在各服務(wù)點對應(yīng)的藥物重量，Q_k為所述車輛最大載重量，X_ijk為0或1的決策變量，當(dāng)車輛k從服務(wù)點i行駛到服務(wù)點j，則將X_ijk賦值為1，否則，將X_ijk賦值為0；

確定粒子數(shù)目為N，確定粒子群算法迭代最大次數(shù)為D_max，確定粒子最大速度為V_max，確定粒子最小速度V_min，確定粒子初始溫度T_max，確定最低溫度T_min，確定Mapkob鏈長為L；

對每個粒子定義位置為x，速度為v，v∈[V_min，V_max]；

計算種群中每個粒子的函數(shù)適應(yīng)值；

按照改進(jìn)粒子群算法更新公式更新粒子的所述速度和所述位置，獲取到每次迭代后第i個搜索到的最優(yōu)值和整個集群搜索到的最優(yōu)值，并對每次迭代后搜索到的最優(yōu)值通過改進(jìn)模擬退火算法進(jìn)行局部搜索，更新粒子，并獲取到對應(yīng)的最優(yōu)值，其中，所述改進(jìn)粒子群算法更新公式具體包括：

v_i[t+1]＝ω×v_i[t]+c₁×rand()×(pbest_i-present_i[t])+c₂×rand()×(gbest-present_i[t])

present_i[t+1]＝present_i[t]+v_i[t+1]

所述對每次迭代后搜索到的最優(yōu)值通過改進(jìn)模擬退火算法進(jìn)行局部搜索具體包括：

通過Metropolis算法來計算解的轉(zhuǎn)移概率，通過非固定降溫速率公式進(jìn)行局部搜索，其中，所述非固定降溫速率公式具體為：

式中，T為當(dāng)前溫度，C_m為設(shè)定的初始降溫速率，C_T為降溫速率，T_max為粒子初始溫度；

當(dāng)?shù)螖?shù)達(dá)到粒子群算法迭代最大次數(shù)時，輸出最優(yōu)結(jié)果。

2.根據(jù)權(quán)利要求1所述的遠(yuǎn)程健康監(jiān)護(hù)線下服務(wù)任務(wù)調(diào)度方法，其特征在于，所述對每個粒子定義位置為x，速度為v具體包括：

確定鳥群中的鳥為一個標(biāo)準(zhǔn)粒子，將其對應(yīng)的求解空間延伸到D維，粒子i在D維空間的位置為x_i＝[x₁，x₂，...，x_d]，粒子i在D維空間的速度為v_i＝[v₁，v₂，...，v_d]。