面向医疗 workforce 排班的多目标遗传算法

医疗行业的 workforce 排班是一个重要的运营挑战，特点是患者负荷波动、临床技能多样化，以及在维持高水平患者护理质量的同时控制劳动力成本的紧迫需求。这一问题本质上是多目标的，要求在竞争目标之间达到精妙的平衡：最小化工资支出、确保患者需求的充足人力、以及 accommodate staff preferences 以缓解疲劳。我们提出了一个多目标遗传算法 (MOO-GA)，将医院单位 workforce 排班问题建模为多目标优化任务。我们的模型包含了真实世界的复杂性，包括基于小时数的预约驱动需求和多技能 workforce 的模块化班次。通过定义成本、患者护理覆盖和 staff 满意度三个目标函数，遗传算法在巨大的搜索空间中寻找一组高质量的、非支配解。在代表典型医院单位的数据集上进行实验验证，结果表明，我们的 MOO-GA 生成的排班方案比模拟常规手动排班过程的基线平均提高了 66% 的性能。该方法有效地管理了关键运营与 staff 导向目标之间的权衡，为护士经理和医院管理员提供了实用的决策支持工具。