Wasserstein模糊集下柔性手术室的数据驱动分布鲁棒手术规划
最优化与控制
2022-03-08 v2
摘要
我们研究柔性手术室(ORs)中的择期手术规划，其中急诊患者被纳入现有择期手术排程中。具体而言，择期手术可提前数周或数月排程。相比之下，急诊手术随机到达且必须在到达当日完成。择期与急诊手术实际时长的 Probability distributions 未知，且仅可能获得较小的历史实现集合。为应对分布不确定性，我们首先构造一个模糊集，涵盖所有与经验分布在1-Wasserstein距离内的手术时长可能分布。随后我们定义一个分布鲁棒手术分配(DSA)问题，以确定多个OR中可用手术时段的最优择期手术分配决策，同时考虑急诊病例所需容量。目标是最小化总成本，包括与排程或拒收择期手术相关的固定成本，加上模糊集中所有分布下与OR加班和空闲时间相关的最大期望成本。利用DSA模型的结构性质，我们推导出一个等价的混合整数线性规划(MILP)重构，可使用现成优化软件高效实现与求解。此外，我们扩展所提模型以确定服务这两类竞争手术所需的OR数量，并推导该扩展的MILP重构。我们基于真实手术数据开展广泛数值实验，证明所提模型相较两种最先进方法在计算效率与样本外运行性能上的优越性。此外，我们推导出关于柔性OR中手术排程的见解。
引用
@article{arxiv.2103.15221,
title = {Data-Driven Distributionally Robust Surgery Planning in Flexible Operating Rooms Over a Wasserstein Ambiguity},
author = {Karmel S. Shehadeh},
journal= {arXiv preprint arXiv:2103.15221},
year = {2022}
}