دانلود مقاله ISI انگلیسی شماره 111758
ترجمه فارسی عنوان مقاله

روشهای برنامه نویسی تقریبی برای برنامه ریزی قرار ملاقات با تنظیمات بیمار

عنوان انگلیسی
Approximate dynamic programming approaches for appointment scheduling with patient preferences
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
111758 2018 10 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Artificial Intelligence in Medicine, Volume 85, April 2018, Pages 16-25

ترجمه کلمات کلیدی
برنامه ریزی انتصاب، خدمات بهداشتی، برنامه نویسی دینامیک، فرآیندهای مارکوف،
کلمات کلیدی انگلیسی
Appointment scheduling; Health service; Dynamic programming; Markov processes;
ترجمه چکیده
در طی فرایند رزرو در انتصاب در بخش های بیمارستانی، میزان رضایت بیمار می تواند تحت تأثیر قرار گیرد یا نه که ترجیحات آنها می تواند شامل انتخاب پزشکان و زمان مناسب تر شود. علاوه بر این، به دلیل قرار ملاقات های متوالی، با توجه به درخواست های احتمالی آینده نیز برای سیستم انتصاب موفقیت آمیز لازم است. این مقاله یک مدل فرایند تصمیم گیری مارکوف برای بهینه سازی برنامه ریزی قرار ملاقات های متوالی با تنظیمات بیمار ارائه می دهد. در مقایسه با مدل های موجود، ارزیابی یک تصمیم رزرو در این مدل، بر میزان رضایت ارضی ها تمرکز دارد. ویژگی های مدل برای ایجاد یک سیستم برای تشکیل سیاست های رزرو، مورد تجزیه و تحلیل قرار می گیرد. بر اساس این ویژگی ها، دو نوع الگوریتم های برنامه ریزی پویا تقریبی برای جلوگیری از لعن ابعاد توسعه داده شده است. نتایج تجربی نشان می دهد جهت رفع بیشتر مدل، و همچنین بهبود بهره وری از دو الگوریتم پیشنهاد شده است.
پیش نمایش مقاله
پیش نمایش مقاله  روشهای برنامه نویسی تقریبی برای برنامه ریزی قرار ملاقات با تنظیمات بیمار

چکیده انگلیسی

During the appointment booking process in out-patient departments, the level of patient satisfaction can be affected by whether or not their preferences can be met, including the choice of physicians and preferred time slot. In addition, because the appointments are sequential, considering future possible requests is also necessary for a successful appointment system. This paper proposes a Markov decision process model for optimizing the scheduling of sequential appointments with patient preferences. In contrast to existing models, the evaluation of a booking decision in this model focuses on the extent to which preferences are satisfied. Characteristics of the model are analysed to develop a system for formulating booking policies. Based on these characteristics, two types of approximate dynamic programming algorithms are developed to avoid the curse of dimensionality. Experimental results suggest directions for further fine-tuning of the model, as well as improving the efficiency of the two proposed algorithms.