基于LSTM-GA混合模型的患者预约排队策略优化

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。