康复医嘱任务分派优化方法、装置和设备制造方法及图纸

本发明专利技术公开了一种康复医嘱任务分派优化方法、装置和设备，通过建立医嘱任务分派问题的数学模型，将该数学模型转换为粒子群算法求解，对粒子计算的惯性权重和加速系数进行调整，并通过中位数粒子对粒子进行变异处理，对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值，确定康复医嘱任务分派方案，从而实现了提高康复医嘱任务分配的高效性和准确性，并达到患者及时接受康复治疗的目的。

【技术实现步骤摘要】
康复医嘱任务分派优化方法、装置和设备
本专利技术涉及智能医嘱分派
，特别是涉及一种康复医嘱任务分派优化方法、装置和电子设备。
技术介绍
作为现代医学体系四大重要部分之一的康复医学，正朝着专业化、规范化和多极化的趋势发展。相应的对康复科治疗过程的规范化实施需要更精确的管控，而目前康复医疗业务的信息化建设相对落后，院内信息系统仅能实现康复医嘱套餐开立，简单收费和执行结果纸质记录，但康复治疗是一个漫长的过程，需要康复医生、治疗师长、护士以及患者之间密切交流，需要记录大量的医疗数据，其中，由于患者需要根据护士传递的主治医生下达的康复医嘱进行康复治疗，需要保证康复医嘱的准确分派，并按时向患者提供康复服务，及时收集患者治疗的反馈意见才能使患者达到较好的康复治疗的目的，因此康复医嘱任务的分派问题成为目前康复医疗中的一个较为重要的环节。目前康复医嘱的分派问题的解决方式一般是治疗师长牵头联系康复医生了解医嘱的细化进展，再咨询不同业务组的治疗医师人员排班情况，最后手动分派给特定人员，并通知该人员在规定的时间内提供康复服务；或者采用线上分配即治疗师长联系康复医生在系统上进行医嘱细化和提交，治疗师在该系统上主动领取任务；又或者将医嘱任务分派问题转换为治疗师的排班问题然后进行医嘱任务分派。但是，现有的康复医嘱的分派方式都存在着一定的缺陷。线下沟通参与人员时间，线上进行任务分派，该方式需要花费工作人员大量时间来沟通康复医生、治疗师和护理人员的对接，难以满足医疗进展的重点关注和信息共享；线上任务认领，康复医生在系统上开立医嘱，并进行细化和提交，治疗人员在系统上根据自己的工作时间和服务能力认领相应的任务，该方式会出现任务认领不及时而耽误治疗的情况；将医嘱任务分派问题转化为排班问题，该方式进行在线优化时系统反应时间稍慢，且没有与人力考勤情况相结合，对需要加班、请假和迟到等特殊情况的处理不够灵活。因此，如何高效准确地对康复医嘱任务进行分派来保证患者及时进行康复治疗是本领域技术人员急需解决的技术问题。
技术实现思路
针对于上述问题，本专利技术提供一种康复医嘱任务分派优化方法、装置及康复专科系统，实现了提高康复医嘱任务分配的高效性和准确性，并达到患者及时接受康复治疗的目的。为了实现上述目的，本专利技术提供如下技术方案：一种康复医嘱任务分派优化方法，包括：建立医嘱任务分派问题的数学模型；初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值；根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值；对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值；判断更新后的当前全局极值是否满足预设的终止条件，如果是，则根据所述全局极值确定康复医嘱任务分派方案。优选地，所述建立医嘱任务分派问题的数学模型，包括：构建康复医嘱任务分派问题的数学模型；设置所述数学模型的约束条件，其中，所述数学模型表示为所述约束条件包括和dj∈[0,24]，cij为第i个任务由第j个人完成所花费的代价，xij为布尔变量，m为医疗机构内能提供康复服务的人员数量，tij为第j个人完成第i个任务所花费的时间成本，dj为第j个人当天的上班时长。优选地，所述初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值，包括：确定任一粒子的初始位置和初始速度；在所述粒子位置进行迁移时，根据公式X′i＝Xi+Vi'将所述初始位置进行更新得到更新后的位置，其中，所述初始位置表示为Xi，更新后的位置表示为X′i，Vi'是所述任一粒子i在下一次迭代的速度；根据预设公式Vi'＝ωVi+c1rand(Yi-Xi)+c2rand(Yg-Xi)，确定个体极值和全局极值，其中，ω为惯性权重，rand为[0，1]内的随机数，Yi为个体极值，Yg为全局极值，c1和c2分别表示加速系数；根据所述数学模型确定各个粒子的适应度值。优选地，所述根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值，包括：对所述各个粒子的适应度值进行排序，依据排序结果确定中位数粒子；根据所述各个粒子的适应度值和所述中位数粒子的适应度值，计算得到聚集因子，其中，所述聚集因子表示为gt，N表示种群规模，t为迭代步数，k为调整因子，fit是群体中第i个粒子在第t次迭代的适应度值，是中位数粒子的适应度值；根据所述聚集因子生成调整函数；依据所述调整函数对所述惯性权重和加速系数进行调整，得到调整后的惯性权重和加速系数；判断各个粒子的适应度值是否小于所述中位数粒子的适应度值，如果是，则对所述粒子进行高斯变异，如果否，则对所述粒子进行混沌变异；根据调整后的惯性权重和加速系数，并依据变异处理后的粒子计算所述各个粒子的适应度值，并保存当前个体极值和全局极值。优选地，所述对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值，包括：根据当前粒子的个体极值和全局极值计算得到局部搜索概率；判断每个粒子的局部搜索概率是否大于预设阈值，如果是，则对所述粒子进行局部搜索；更新局部搜索后的粒子的适应度，并更新所述局部搜索后的粒子的个体极值和全局极值。一种康复医嘱任务分派优化装置，包括：建立模块，用于建立医嘱任务分派问题的数学模型；初始化模块，用于初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值；调整模块，用于根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值；局部搜索模块，用于对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值；确定模块，用于判断更新后的当前全局极值是否满足预设的终止条件，如果是，则根据所述全局极值确定康复医嘱任务分派方案。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理设备执行时实现权利要求上述所述的康复医嘱任务分派优化方法。一种任务分派设备，所述设备包括：存储器，用于存储程序；处理器，用于运行所述程序，当所述处理器运行所述程序时，所述处理器实现了上述所述的康复医嘱任务分派优化方法。相较于现有技术，由于康复医嘱任务分派问题是一个组合优化问题,可选方案较多，并且约束条件较为复杂。所以在本专利技术中提出了基于改进型粒子群算法实现对康复医嘱任务的智能分派，通过分析康复医嘱任务分派问题的特点，建立数学模型，根据该数学模型特点选择粒子群算法进行优化得到全局最优极值，依据该全局最优极值确定了康复医嘱任务分派方案。由于整个康复医嘱任务分派方案是通过粒子群算法在线上进行确定和分派的能够节约医护人本文档来自技高网...

【技术保护点】
1.一种康复医嘱任务分派优化方法，其特征在于，包括：建立医嘱任务分派问题的数学模型；初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值；根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值；对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值；判断更新后的当前全局极值是否满足预设的终止条件，如果是，则根据所述全局极值确定康复医嘱任务分派方案。

【技术特征摘要】
1.一种康复医嘱任务分派优化方法，其特征在于，包括：建立医嘱任务分派问题的数学模型；初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值；根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值；对满足预设的局部搜索概率的粒子的个体极值进行局部搜索，并对局部搜索的粒子的适应度进行评价，根据评价结果更新当前所述个体极值和全局极值；判断更新后的当前全局极值是否满足预设的终止条件，如果是，则根据所述全局极值确定康复医嘱任务分派方案。2.根据权利要求1所述的方法，其特征在于，所述建立医嘱任务分派问题的数学模型，包括：构建康复医嘱任务分派问题的数学模型；设置所述数学模型的约束条件，其中，所述数学模型表示为所述约束条件包括和dj∈[0,24]，cij为第i个任务由第j个人完成所花费的代价，xij为布尔变量，m为医疗机构内能提供康复服务的人员数量，tij为第j个人完成第i个任务所花费的时间成本，dj为第j个人当天的上班时长。3.根据权利要求2所述的方法，其特征在于，所述初始化粒子集群中的各个粒子的位置和速度，依据所述数学模型计算各个粒子的适应度值，确定个体极值和全局极值，包括：确定任一粒子的初始位置和初始速度；在所述粒子位置进行迁移时，根据公式Xi'＝Xi+Vi'将所述初始位置进行更新得到更新后的位置，其中，所述初始位置表示为Xi，更新后的位置表示为Xi'，Vi'是所述任一粒子i在下一次迭代的速度；根据预设公式Vi'＝ωVi+c1rand(Yi-Xi)+c2rand(Yg-Xi)，确定个体极值和全局极值，其中，ω为惯性权重，rand为[0，1]内的随机数，Yi为个体极值，Yg为全局极值，c1和c2分别表示加速系数；根据所述数学模型确定各个粒子的适应度值。4.根据权利要求3所述的方法，其特征在于，所述根据所述粒子的适应度对所述粒子集群的惯性权重和加速系数进行调整，并根据预设的中位数粒子对粒子进行变异处理，重新计算调整和变异处理后的所述各个粒子的适应度值，保存当前个体极值和全局极值，包括：对所述各个粒子的适应度值进行排序，依据排序结果确定中位数粒子；根据所述各个粒子...

【专利技术属性】
技术研发人员：王超，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京,11