حل مساله تخصیص تخت بیمار با استفاده از الگوریتم خفاش مستقل

مساله تخصیص تخت بیمار شامل مدیریت مجموعه‌ای از تختخوابها با ویژگی‌های خاص و اختصاص دادن آنها به مجموعه‌ای از بیماران با شرایط ویژه، به بهترین روش ممکن است. این مساله انتساب را می‌توان یک مساله بهینه‌سازی در نظر گرفت، که هدف اصلی آن به حداقل رساندن تعداد تحرکات داخلی واحدها و به حداکثر رساندن استفاده از تختها با توجه به سطح بحرانی بیماران، است. روشهای معمول برای حل این مساله, مانند الگوهای سنتی مبتنی بر برنامه‌ریزی محدودیت، عمدتاً از محدودیت‌های سخت پیروی می‌کنند. با این حال، در مسائل واقعی، محدودیت‌هایی که باید به طور ایده آل برآورده شوند، اغلب نقض می‌شوند. در این مقاله، مدل جدیدی را برای مساله تعیین تخت بیمار بر اساس حداقل محدودیت‌های برآورده نشده ارائه می‌شود. این روش در نظر گرفتن محدودیت‌های نرم را در راه حل‌های بالقوه‌ای که بهترین عملکرد را دارند, نشان می‌دهد. هدف, یافتن تخصیصی است که مجموع وزنی محدودیت‌های برآورده نشده را به حداقل می‌رساند. برای این منظور، از یک نسخه باینری مستقل از الگوریتم خفاش استفاده می‌شود، که یک روش بهینه‌سازی الهام گرفته از رفتار بیو سونار میکروبات برای یافتن بهترین مجموعه از راه‌حل‌های بالقوه بدون نیاز به دانش کاربر متخصص برای دستیابی به یک روند حل کارآمد است. برای تایید اعتبار روش پیشنهاد شده، از این مدل برای حل نمونه‌های مساله بر اساس داده‌های چندین بیمارستان استفاده شده است، و یک تجزیه و تحلیل آماری مقایسه‌ای دقیق با یک حل‌کننده برنامه‌نویسی محدودیت سنتی و چندین الگوریتم بهینه‌سازی معروف، از جمله الگوریتم کلاسیک خفاش انجام می‌شود. نتایج امیدوار کننده نشان می‌دهند که روش مطرح شده قادر به حل کارآمد 30 نمونه با کاهش زمان حل است.

The patient bed assignment problem solved by autonomous bat algorithm

The patient bed assignment problem consists of managing, in the best possible way, a set of beds with particular features and assigning them to a set of patients with special requirements.This assignment problem can be seen an optimization problem, of which the intended aims are usually to minimize the number of internal movements within a unit and to maximize bed usageaccording to the levels of criticality of the patients, among others. The usual approaches for solving this problem follow a traditional model based on the constraint programming paradigm, mainly using hard constraints. However, in real-life problems, constraints that should ideally be satisfied are often violated. In this paper, present a new model for the patient bed assignment problem based on the minimum sum of unsatisfied constraints. This technique enables the consideration of soft constraints in the potential solutions that exhibit the best performance. The aim is to find the assignment that minimizes a weighted sum of the unsatisfied constraints. To this end, use an autonomous binary version of the bat algorithm, which is an optimization technique inspired by the bio-sonar behaviour of microbats, to find the best set of potential solutions without requiring any expert user knowledge to achieve an efficient solution process. To validate this proposal, use the model to solve problem instances based on data from severalhospitals, and perform a detailed comparative statistical analysis with a traditional constraint programming solver and several well-known optimization algorithms, including the classic bat algorithm. Promising results show that proposed approach is capable of efficiently solving 30 instances with decreased solution times.