論文の概要: A Decision Support System for daily scheduling and routing of home healthcare workers with a lunch break consideration

• arxiv url: http://arxiv.org/abs/2412.06797v1
• Date: Fri, 22 Nov 2024 16:18:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-15 08:28:43.665317
• Title: A Decision Support System for daily scheduling and routing of home healthcare workers with a lunch break consideration
• Title（参考訳）: 昼休みを考慮した在宅医療従事者の日程決定支援システム
• Authors: Ömer Öztürkoğlu, Gökberk Özsakallı, Syed Shah Sultan Mohiuddin Qadri,
• Abstract要約: 本研究は、昼休みを条件とした在宅医療スケジュール・ルーティング問題(HHSRP)について検討する。 目的は、ルート内の旅行距離を最小化することと、訪問されていない患者(費用)のコストを最小化することである。 我々は,短時間で高品質なソリューションを提供するために,効果的な適応型大規模近傍探索アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study examines a home healthcare scheduling and routing problem (HHSRP) with a lunch break requirement. This problem especially consists of lunch break constraints for caregivers in addition to other typical features of the HHSRP in literature such as hard time window constraints for both patients and caregivers and patient preferences. The objective is to minimize both travel distance in a route and unvisited patient (penalty) cost. For this NP-Hard problem, we developed an effective Adaptive Large Neighborhood Search algorithm to provide high-quality solutions in a short amount of time. We tested the proposed four variants of the algorithm with the selected problem instances from the literature. The algorithms provided nearly all optimal solutions for 30-patient problem instances in 12 seconds on average. Additionally, they provided better solutions to 36 problem instances up to 36% improvement in some instance classes. Moreover, the improved solutions achieved to visit up to 10 more patients. The algorithms are also shown to be very robust due to their low coefficient variance of 0.3 on average. The algorithm also requires a very reasonable amount of time to generate solutions up to 54 seconds for solving 100-patient instances. A decision support system, namely Home Healthcare Decision Support System (HHCSS) was also designed to play a positive role in preventing the COVID-19 global pandemic. The system employs the proposed ALNS algorithm to solve various instances of approximately generated COVID-19 patient data from Turkey. The main aim of developing HHCSS is to support the administrative staff of home healthcare from the tedious task of scheduling and routing of caregivers and to increase service responsiveness.
• Abstract（参考訳）: 本研究は、昼休みを条件とした在宅医療スケジュール・ルーティング問題(HHSRP)について検討する。 この問題は,介護者および介護者双方のハードタイムウィンドウ制約や患者の嗜好など,HHSRPの他の典型的特徴に加えて,介護者に対する昼休み制約を特に含んでいる。 目的は、ルート内の旅行距離を最小化することと、訪問されていない患者(費用)のコストを最小化することである。 このNP-Hard問題に対して、我々は、短時間で高品質なソリューションを提供するための効果的な適応型大規模近傍探索アルゴリズムを開発した。 提案した4つの変種を,本論文から選択した問題事例を用いて検証した。 アルゴリズムは、平均12秒で30の患者問題インスタンスに対して、ほぼすべての最適ソリューションを提供した。 さらに、36のイシューインスタンスに対するより良いソリューションを、いくつかのインスタンスクラスで最大36%改善した。 さらに、改善されたソリューションにより、最大10人の患者を訪問することができた。 アルゴリズムは、平均0.3の低係数分散のため、非常に堅牢であることも示されている。 このアルゴリズムは、100件の患者を解くのに54秒までのソリューションを生成するのに、非常に合理的な時間を必要とする。 HHCSS(ホームヘルスケア意思決定支援システム)と呼ばれる意思決定支援システムも、新型コロナウイルスの世界的なパンデミックの予防にプラスの役割を果たすように設計されている。 このシステムは、提案されたALNSアルゴリズムを用いて、トルコから発生した新型コロナウイルス患者データの様々な事例を解決する。 HHCSSの開発の主な目的は、介護者のスケジュールとルーティングの面倒な作業から在宅医療の管理スタッフを支援し、サービスの応答性を高めることである。

関連論文リスト

• A Multiagent Path Search Algorithm for Large-Scale Coalition Structure Generation [61.08720171136229]
  結合構造生成はマルチエージェントシステムにおける基本的な計算問題である。 我々はCSGの多エージェントパス探索アルゴリズムであるSALDAEを開発し、連立構造グラフ上で運用する。
  論文  参考訳（メタデータ） (2025-02-14T15:21:27Z)
• Random-Key Algorithms for Optimizing Integrated Operating Room Scheduling [0.16385815610837165]
  本研究では,RKO(Random-Key)の概念を紹介する。 文献最適化問題には、マルチルームスケジューリング、機器スケジューリング、複雑な可用性制約が組み込まれている。 RKOアプローチは、連続空間の点として解を表し、デコーダとして知られる決定論的関数を介して問題解空間に写像される。
  論文  参考訳（メタデータ） (2025-01-17T15:11:30Z)
• Learning Task Decomposition to Assist Humans in Competitive Programming [90.4846613669734]
  タスク分解学習のための新しい目的,いわゆる値(AssistV)を導入する。 我々は、さまざまな分解されたソリューションに対して、人間の修理経験のデータセットを収集する。 人間の177時間以内の研究では、非専門家が33.3%の問題を解き、それらを3.3倍スピードアップさせ、無支援の専門家にマッチさせる権限を与える。
  論文  参考訳（メタデータ） (2024-06-07T03:27:51Z)
• Uncertainty of Thoughts: Uncertainty-Aware Planning Enhances Information Seeking in Large Language Models [73.79091519226026]
  Uncertainty of Thoughts (UoT) は、大きな言語モデルを拡張するアルゴリズムであり、効果的な質問をすることで積極的に情報を求めることができる。 医療診断、トラブルシューティング、および20の質問ゲームに関する実験において、UoTは、タスク完了の成功率において平均38.1%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2024-02-05T18:28:44Z)
• Learning to repeatedly solve routing problems [5.08128537391027]
  データのマイナーチェンジ後に問題の再最適化について学習した。 元のソリューションのエッジを考慮すれば、最適なソリューションに留まる確率の高いソリューションを予測し、修正することが目標です。 この解の偏差予測は問題の複雑さを減らし、解を高速化する。
  論文  参考訳（メタデータ） (2022-12-15T19:33:54Z)
• Learning to Optimize Permutation Flow Shop Scheduling via Graph-based Imitation Learning [70.65666982566655]
  置換フローショップスケジューリング(PFSS)は製造業で広く使われている。 我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。 我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
  論文  参考訳（メタデータ） (2022-10-31T09:46:26Z)
• Machine learning-based patient selection in an emergency department [0.0]
  本稿では機械学習(ML)に基づく患者選択手法の可能性について検討する。 システムの包括的な状態表現と、複雑な非線形選択関数が組み込まれている。 その結果,提案手法は評価条件の大部分においてAPQ法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-06-08T08:56:52Z)
• An Integrated Optimization and Machine Learning Models to Predict the Admission Status of Emergency Patients [1.0323063834827415]
  T-XGB、T-ADAB、T-MLPの3つの機械学習アルゴリズムが提案されている。 提案フレームワークは,患者搭乗プロセスを積極的に計画することにより,混雑を緩和することができる。 その結果,新たに提案したアルゴリズムはAUCが高く,従来のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2022-02-18T13:50:44Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• Operating Room (Re)Scheduling with Bed Management via ASP [8.189696720657247]
  最初に、回答セットプログラミング(ASP)に基づく問題に対する解決策を提示します。 このソリューションは、5日間のスケジュールで目標長さの3つのシナリオで、現実的なサイズとパラメータのベンチマークでテストされます。 また,再スケジュール問題に対するaspソリューションも提示する。 何らかの理由でオフラインスケジュールが完了できない場合。
  論文  参考訳（メタデータ） (2021-05-05T18:51:22Z)
• A Machine Learning Approach for Task and Resource Allocation in Mobile Edge Computing Based Networks [108.57859531628264]
  無線ネットワークにおいて,共同作業,スペクトル,送信電力配分問題について検討する。 提案アルゴリズムは、標準Q-ラーニングアルゴリズムと比較して、収束に必要なイテレーション数と全ユーザの最大遅延を最大18%、11.1%削減することができる。
  論文  参考訳（メタデータ） (2020-07-20T13:46:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。