الگوریتم‌های فراابتکاری برای مسئله مسیریابی و زمان‌بندی مراقبت سلامت خانگی چند‌هدفه با درنظرگرفتن پنجره‌های زمانی و تعادل بار کاری پرستاران

مراقبت سلامت خانگی، ارائه مجموعه‎‌‌ای از خدمات مراقبتی در منزل از پیشگیری تا توان‌بخشی و از مراقبت‎‌های اولیه تا خدمات حرفه‌ای پرستاری است. در این پژوهش یک مدل ریاضی دو‌هدفه بر اساس رویکرد برنامه‎ریزی خطی عدد صحیح مختلط برای مسئله مسیریابی و زمان‌بندی مراقبت‎ سلامت خانگی با اهداف حداقل‌سازی هزینه‌های سفر پرستاران و حداقل‌سازی حداکثر تفاوت‌های زمان کاری بین پرستاران ارائه شده است. درنظرگرفتن حالت‎‌های دوگانه حمل‌ونقل عمومی و خصوصی، مراکز درمانی آغازین و پایانی  و پنجره‌های زمانی بیمار و پرستار از ویژگی‌های مهم مدل ریاضی مسئله موردمطالعه است. پس از ارائه مدل ریاضی، مسائل اندازه کوچک با استفاده از روش محدودیت‌ اپسیلون و با بهره‌گیری از نرم‌افزار گمز حل شد؛ همچنین با توجه به پیچیدگی بالای مسئله از دو روش فراابتکاری الگوریتم ژنتیک مرتب‌سازی نامغلوب و الگوریتم بهینه‌سازی ازدحام ذرات چند‌هدفه برای حل مسئله در ابعاد متوسط و بزرگ بهره گرفته شد. نتایج آماری حاکی از عملکرد بهتر الگوریتم ژنتیک مرتب‌سازی نامغلوب در دو شاخص متوسط فاصله از نقطه ایده‌ آل و تعداد جواب‌های پارتو نسبت به الگوریتم بهینه‌سازی ازدحام ذرات چند‌هدفه در مسائل متوسط و بزرگ است. درمجموع نتایج شاخص‌ها نشان‌ می ‌دهد که الگوریتم ژنتیک مرتب‌سازی نامغلوب دارای عملکردی کارا و اثربخش در حل مسائل با اندازه‌های مختلف است.

Meta-Heuristic Algorithms for Multi-Objective Home Health Care Routing and Scheduling Problem Considering Time Windows and Workload Balance of Nurses

Home Healthcare provides a wide range of home care services from prevention to rehabilitation and primary care to professional nursing services. This research presents a twoobjective mathematical model based on the mixed integer linear programming approach for the home healthcare routing and scheduling problem (HHCRSP) with the objectives of minimization the nurses’ travel costs and the maximal working time difference among nurses. Considering the multimodal transportation, several initial health centers and one final health center and patient and nurse time windows are important features of the studied mathematical model. Smallsized problems have solved by using the Ɛconstraint method on GAMS software. Also, due to the NPhardness of the problem, MOPSO and NSGAII algorithms have used to solve the medium and largesized problems. The statistical results showed that the NSGAII performed better than the MOPSO for medium and large sizes of problems in both MID and NOS performance metrics. Overall, Results of the performance metrics on different sizes of problems indicate the efficient and effective performance of NSGAII in solving the understudied problem.