典型文献
基于LSTM-GA混合模型的患者预约排队策略优化
文献摘要：
在医疗运作管理领域,合理的资源分配能够帮助更多的患者尽早就医,降低患者病情恶化和死亡的风险.本文设计了预约排队策略对患者占有资源的顺序进行分配,建立了基于长短时记忆(Long Short Term-Memory,LSTM)神经网络和遗传算法(Genetic Algorithm,GA)的混合模型以优化排队策略.首先利用大数据和深度学习分析患者到达和医院服务情况,建立LSTM神经网络学习数据特征并预测未来数据,相比于排队论常用的随机分布方法取得了更好的效果.其次设计了基于排队系统仿真的排队策略优化算法,利用改进GA得到最优排队策略.实证研究表明,文本的方法可以明显降低患者的等待时间,最高可达59％.最后对排队策略进行敏感性分析,结果表明排队策略有效作用于仿真的各个时段.
文献关键词：
系统优化;运作管理;排队策略;遗传算法;长短时记忆神经网络
中图分类号：
作者姓名：
魏若楠;江驹;徐海燕
作者机构：
南京航空航天大学 自动化学院,江苏南京211106;南京航空航天大学经济与管理学院,江苏南京211106
文献出处：
引用格式：
[1]魏若楠;江驹;徐海燕-.基于LSTM-GA混合模型的患者预约排队策略优化)[J].运筹与管理,2022(03):17-23
A类：
排队策略
B类：
GA,混合模型,预约,策略优化,运作管理,管理领域,资源分配,早就,就医,患者病情,病情恶化,Long,Short,Term,Memory,Genetic,Algorithm,学习分析,医院服务,神经网络学习,学习数据,数据特征,预测未来,排队论,随机分布,排队系统,系统仿真,等待时间,明排,有效作用,系统优化,长短时记忆神经网络
AB值：
0.327557
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
