[發明專利]醫院排班方法及裝置

在審

• 申請號: 201811326022.1
• 申請日: 2018-11-08
• 公開（公告）號: CN109493959A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 王超
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G16H40/20
• 分類號: G16H40/20;G06N3/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

1.一種醫院排班方法，其特征在于，包括：

獲取患者滿意度模型和醫療師總成本模型；所述患者滿意度模型包括醫療師是否排班參數，所述醫療師總成本模型包括各所述醫療師是否排班的參數以及各所述醫療師的排班時長參數；

根據預設約束條件獲取粒子群算法的初始種群參數，所述初始種群參數包括待優化粒子的位置和速度，所述待優化粒子的位置為各所述醫療師的排班時長參數，所述速度為排班時長變化量；

根據所述初始種群參數、所述患者滿意度模型輸出的滿意度以及所述醫療師總成本模型輸出的總成本，得到所述粒子群算法的全局最優解，并將所述全局最優解作為排班結果。

2.根據權利要求1所述的方法，其特征在于，所述預設約束條件包括如下中的至少一個：

患者需求預測模型輸出的預測總時長和目標服務總時長之間的誤差小于預設誤差，其中，所述目標服務總時長是根據各所述醫療師是否排班的參數以及各所述醫療師的排班時長參數確定的；

所述目標服務總時長大于或等于醫囑執行總時長；

所述患者滿意度模型輸出的滿意度大于預設滿意度。

3.根據權利要求2所述的方法，其特征在于，所述根據預設約束條件獲取粒子群算法的初始種群參數之前，所述方法還包括：

將患者數量、醫囑數量及類型、執行預約醫囑的工時、執行現有醫囑的工時輸入至患者需求預測模型；

獲取所述患者需求預測模型輸出的預測總時長，其中，所述患者需求預測模型為神經網絡模型。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述根據所述初始種群參數、所述患者滿意度模型輸出的滿意度以及所述醫療師總成本模型輸出的總成本，得到所述粒子群算法的全局最優解，并將所述全局最優解作為排班結果，包括：

根據所述患者滿意度模型輸出的滿意度、所述醫療師總成本模型輸出的總成本和懲罰因子確定各粒子的適應度值；

根據各所述粒子的適應度值確定粒子最優位置和全局最優位置；

判斷所述粒子群算法是否達到迭代終止條件；

若是，則將所述全局最優位置作為所述全局最優解；

若否，則根據各所述粒子的粒子最優位置、全局最優位置更新各所述粒子的速度和位置；

重復執行根據各所述粒子的適應度值確定粒子最優位置和全局最優位置的步驟，直至所述粒子群算法達到迭代終止條件。

5.根據權利要求4所述的方法，其特征在于，所述根據各所述粒子的粒子最優位置、全局最優位置更新各所述粒子的速度和位置，包括：

獲取種群分布因子；

根據所述種群分布因子對慣性權重、第一加速系數、第二加速系數進行調整，得到調整后的慣性權重、調整后的第一加速系數以及調整后的第二加速系數；

根據各所述粒子的粒子最優位置、全局最優位置以及所述調整后的慣性權重、調整后的第一加速系數以及調整后的第二加速系數，更新各所述粒子的速度和位置。

6.根據權利要求5所述的方法，其特征在于，所述獲取種群分布因子，包括：

對各所述粒子的適應度值進行排序，選取適應度值在中間位置的粒子作為中位數粒子；

根據各所述粒子的適應度值和所述中位粒子的適應度值，得到種群分布因子。

7.根據權利要求5所述的方法，其特征在于，所述根據各所述粒子的粒子最優位置、全局最優位置以及所述調整后的慣性權重、調整后的第一加速系數以及調整后的第二加速系數，更新各所述粒子的速度和位置之前，所述方法還包括：

在所述種群分布因子大于預設因子時，對各所述粒子的位置進行高斯變異處理，得到高斯變異處理后的粒子最優位置以及全局最優位置；

所述根據各所述粒子的粒子最優位置、全局最優位置以及所述調整后的慣性權重、調整后的第一加速系數以及調整后的第二加速系數，更新各所述粒子的速度和位置，包括：

根據高斯變異處理后的粒子最優位置、全局最優位置以及所述調整后的慣性權重、調整后的第一加速系數以及調整后的第二加速系數，更新各所述粒子的速度和位置。