面向可解释预约安排规则的模型驱动维度修复遗传程序

预约安排是医疗运营管理中的重要挑战。预约规则 (AR) 为医务人员提供了一个简单而有效的工具，用于确定患者的预约时间。遗传程序 (GP) 可用于演化 AR。然而，直接将 GP 应用于设计 AR 可能导致难以供最终用户理解和信任的规则，这是由于 GP 缺乏维度一致性 awareness，这一特性确保演化后的规则符合用户的领域知识和直观理解。在本文中，我们发展了一种具有维度修复功能的全新维度感知 GP 算法，用于演化具有维度一致性和高性能的 AR。我们方法的关键创新是维度修复程序，它在最小化结构变化的同时优化表达式树的维度一致性，确保其输出维度满足问题要求。我们将该任务建模为混合整数线性规划 (MILP)，可通过常用数学规划方法高效求解。凭借维度修复程序，我们的方法能够在暂时破坏个体维度一致性后，通过不改变其整体结构来恢复一致性，从而识别出具有更大潜在优势的个体。我们在 comprehensive 的模拟诊所中评估了所提方法。实验结果表明，我们的方法不仅在客观值和维度一致性方面显著优于手动设计的 AR 以及现有最新方法，还成功演化出高质量的 AR。此外，我们分析了演化 AR 的语义，为设计更有效更可解释的 AR 提供了洞见。