A Novel Hybrid Simulated Annealing for No-Wait Open-Shop Surgical Case Scheduling Problems
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.
Notice bibliographique
Résumé
In this paper, the problem of finding an assignment of “n” surgeries to be presented in one of “m” identical operating rooms (ORs) or machines as the surgical case scheduling problem (SCSP) is proposed. Since ORs are among NP-hard optimization problems, mathematical and metaheuristic methods to address OR optimization problems are used. The job or surgical operation ordering in any OR is a permanent part of all sequencing and scheduling problems. The transportation times between ORs are defined based on the type of surgical operations and do not depend on distance, so there is no surgical operation waiting time for transferring. These problems are called no-wait open-shop scheduling problems (NWOSP) with transportation times. The transportation system for the problems is considered a multi-transportation system with no limitation on the number of transportation devices. Accordingly, this study modeled a novel combined no-wait open-shop surgical case scheduling problem (NWOSP-SCSP) with multi-transportation times for the first time to minimize the maximum percentile of makespan for OR as a single objective model. A mixed-integer linear program (MILP) with small-sized instances is solved. In addition to the small-sized model, a novel metaheuristic based on a hybrid simulated annealing (SA) algorithm to solve large-sized problems in an acceptable computational time is suggested, considering the comparison of the SA algorithm and a new recommended heuristic algorithm. Then, the proposed hybrid SA and SA algorithms are compared based on their performance measurement. After reaching the results with a numerical analysis in Nova Scotia health authority hospitals and health centers, the hybrid SA algorithm has generated significantly higher performance than the SA algorithm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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