Random-Key Algorithms for Optimizing Integrated Operating Room Scheduling

要約

病院の効率、患者の満足度、リソースの活用には、効率的な手術室のスケジュール設定が不可欠です。
この研究では、文献および現実世界からインスピレーションを得た新しいインスタンスで厳密にテストされた、ランダム キー オプティマイザー (RKO) の新しい概念を導入することで、この課題に対処しています。
私たちの組み合わせ最適化問題には、複数の部屋のスケジューリング、機器のスケジューリング、病室、患者、外科医の複雑な可用性の制約が組み込まれており、再スケジュールが容易になり、運用の柔軟性が向上します。
RKO アプローチでは、解を連続空間内の点として表現し、デコーダーとして知られる決定論的関数を介して問題解決空間にマッピングします。
中心となるアイデアは、元の解空間を意識せずに、ランダムキー空間でメタヒューリスティックとヒューリスティックを操作することです。
単一のデコーダ関数を使用して、RKO フレームワーク内で使用するために、$Q$-Learning、Simulated Annealing、および反復ローカル検索を備えたバイアス付きランダムキー遺伝的アルゴリズムを設計します。
提案されたメタヒューリスティックは下限定式化によって補完され、ヒューリスティック結果の有効性を評価するための最適なギャップを提供します。
私たちの結果は、文献例の下限と上限が大幅に改善されたことを示しており、特に最適な結果が 1 つあることを証明しています。
さらに、最もよく提案されたメタヒューリスティックは、非常に制約されたシナリオであっても、新しく導入されたインスタンスのスケジュールを効率的に生成します。
この研究は、手術スケジュールのプロセスを改善するための貴重な洞察と実用的なソリューションを提供し、リソース割り当ての最適化、患者の待ち時間の短縮、全体的な業務効率の向上によって病院に具体的なメリットをもたらします。

要約(オリジナル)

Efficient surgery room scheduling is essential for hospital efficiency, patient satisfaction, and resource utilization. This study addresses this challenge by introducing a novel concept of Random-Key Optimizer (RKO), rigorously tested on literature and new, real-world inspired instances. Our combinatorial optimization problem incorporates multi-room scheduling, equipment scheduling, and complex availability constraints for rooms, patients, and surgeons, facilitating rescheduling and enhancing operational flexibility. The RKO approach represents solutions as points in a continuous space, which are then mapped in the problem solution space via a deterministic function known as a decoder. The core idea is to operate metaheuristics and heuristics in the random-key space, unaware of the original solution space. We design the Biased Random-Key Genetic Algorithm with $Q$-Learning, Simulated Annealing, and Iterated Local Search for use within an RKO framework, employing a single decoder function. The proposed metaheuristics are complemented by lower-bound formulations, providing optimal gaps for evaluating the effectiveness of the heuristic results. Our results demonstrate significant lower and upper bounds improvements for the literature instances, notably proving one optimal result. Furthermore, the best-proposed metaheuristic efficiently generates schedules for the newly introduced instances, even in highly constrained scenarios. This research offers valuable insights and practical solutions for improving surgery scheduling processes, offering tangible benefits to hospitals by optimising resource allocation, reducing patient wait times, and enhancing overall operational efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google