MétaCan
Menu
Retour à la cohorte
Enregistrement W2970946029 · doi:10.5267/j.jpm.2019.8.001

Using a metaheuristic algorithm for solving a home health care routing and scheduling problem

2019· article· en· W2970946029 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJournal of Project Management · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMetaheuristicComputer scienceVehicle routing problemScheduling (production processes)Mathematical optimizationHome healthHealth careRouting (electronic design automation)AlgorithmMathematicsComputer networkEconomics

Résumé

récupéré en direct d'OpenAlex

The Health Care system is changing from the hospitalization to the home care, and the World Health Organization has announced that the rate of care-dependent elderly people in Europe will considerably increase within the next decades. Thus, scientific planning for this area is an essential factor to improve the community health. This paper aims to develop a mathematical modeling for Home Health Care Routing and Scheduling Problem and to solve it by means of Simulated Annealing (SA) algorithm considering real condition (staff vehicle traveling, conditions of patients and so forth). We permit interdependent services for patients in which they can order as many services as they want with any relation between them (Multiple Services) and supposed time window for each service. The mathematical formulation of the problem is coded in GMAS software, which is a well-known commercial software for solving optimization problems. In addition, for large-scale problems where GAMS is unable to solve, SA algorithm is applied to tackle the problems. Finally, sensitivity analysis on the most important parameters (number of services and number of patients with interdependent Multiple services) are conducted. The results reveal that when each patient can order infinite services with any relation between them, complexity of the problem increases, but SA algorithm can solve large instances with reasonable solution in the less computational time. Thus, SA algorithm shows a rational performance for large instances. Moreover, the most important factors that affect the objective value and the run time of the problems are number of patients, and number of patients with interdependent multiple services.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,261
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,284
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle