缺勤情形下的护士排班：一种分布鲁棒优化方法

我们研究在随机护士需求与缺勤下的护士排班问题。需求不确定性是外生的（源于随机病患普查），而缺勤不确定性是内生的，即实际到岗护士人数部分依赖于护士排班水平。为保障护理质量，许多医院建立了浮动池，即若干病房单元组成的群组，并培训护士能够在多个单元工作（称为交叉培训）以应对潜在的护士短缺。本文提出一种考虑外生与内生不确定性的分布鲁棒护士排班（DRNS）模型。我们推导了一种分离算法，可在浮动池的一般结构下求解该模型。此外，我们识别出实践中常见的若干池结构，并将相应的 DRNS 模型重构为混合整数线性规划，便于使用现成商业求解器。进而，我们优化浮动池设计，以在达到指定目标排班成本的同时减少交叉培训。基于合作医院数据的数值案例研究表明，缺勤概率高的单元应当被归入同一池。