Random-Key Algorithms for Optimizing Integrated Operating Room Scheduling

要約

効率的な手術室のスケジューリングは、病院の効率、患者の満足度、リソースの利用に不可欠です。
この研究では、文献と新しい実世界にインスパイアされた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により、この課題に対処します。
組み合わせの最適化問題には、マルチルームのスケジューリング、機器のスケジューリング、および部屋、患者、および外科医の複雑な可用性の制約が組み込まれており、再スケジュールの再スケジュールと運用の柔軟性の向上が促進されます。
RKOアプローチは、連続空間内のポイントとしてのソリューションを表し、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されます。
核となるアイデアは、元のソリューションスペースを知らずに、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動作させることです。
単一のデコーダー関数を使用して、$ q $ learning、シミュレートされたアニーリング、およびRKOフレームワーク内で使用するための局所検索を繰り返したバイアス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、下部の製剤によって補完され、ヒューリスティックな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。
我々の結果は、文献インスタンスの大幅な下限および上限の改善を示しており、特に1つの最適な結果を証明しています。
さらに、最も制約のあるシナリオであっても、最も推定されたメタヒューリスティックは、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、手術スケジューリングプロセスを改善し、リソースの割り当てを最適化し、患者の待ち時間を短縮し、全体的な運用効率を高めることにより、病院に具体的な利点を提供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