改进人工蜂群算法在城市医院布局中的应用研究

发布时间：2020-03-29 17:46

【摘要】：医院作为城市公共设施的重要组成部分,直接关系到城市未来的发展和城市居民生活幸福指数的高低。合理的城市医院布局不仅可以满足城市经济发展的需求,更能为城市居民提供健康完善的卫生医疗体系。因此,如何最大程度地减轻人口流动对城市医院布局的影响,以及有效地提高城市医院布局的公平性、经济性和就医效率等就显得尤为重要。基于此,本文提出了一种改进的人工蜂群算法求解城市医院布局问题。首先,本文对城市医院布局问题的研究背景进行了描述,从而强调该问题的研究价值和必要性。同时详细地阐述了城市医院布局的基本情况和影响因素,同时将公平性、经济性以及效率性等基本原则运用到城市医院布局中。在考虑布局的公平性时,需要对研究区域进行行政区域划分,构造引力可达性模型。通过计算区域内实有床位数进而确定区域内所需的医院数量,从而保证在满足城市居民健康需求前提下医院建设的经济性。为了提高城市居民就医的效率,需要保证城市居民就医总距离最短。同时结合城市居民就医时的偏好心理和城市交通状况,构建城市医院布局的多目标数学模型。其次,本文以人工蜂群算法作为主要的理论研究方法,通过了解算法的基本原理和基本流程,进而熟悉算法的内部运行机制,发现算法的不足之处,从而结合多目标优化理论提出了多目标人工蜂群算法。由于基本多目标人工蜂群算法存在着种群盲目搜索、算法开发能力有限等缺点。本文在算法中引入了反向学习策略、交叉机制和自适应搜索机制,使得种群个体可以有针对性地进行更新,同时也大大提高了种群个体的多样性。通过测试函数的分析证明可知,改进后的算法可以有效地提高算法的收敛性和解的多样性。最后,以马鞍山市区医院布局为例,结合城市医院布局数学模型,利用改进后的多目标人工蜂群算法对数学模型进行算法设计和编程仿真,针对求出的Pareto最优解集合,本文引入了灰色关联度法,通过对各组Pareto最优解进行灰色关联分析,便于从最优解集合中选出最优解,即城市医院的最优布局方案,从而为城市医院建设和资源合理配置提供理论指导。
【图文】：

箱线图,多目标优化,测试函数,指标

结合表 4.3 中的指标数值，将 MOABC 和 IMOABC 算法求解测试函数 10 次的运行结果绘制成如图4.4 所示的箱线图[97]。(a) 测试函数 ZDT1 (b) 测试函数 ZDT2(c) 测试函数 ZDT3 (d) 测试函数 ZDT4(e) 测试函数 DTLZ1 (f) 测试函数 DTLZ2图 4.4 多目标优化性能评估指标箱线图从图 4.4 的多目标优化性能评估指标箱线图可以发现：在求解多目标优化问题时，，改进多目标人工蜂群算法的世代距离GD、多样性指标的平均值和标准差明显小于基本多目标人工蜂群算法，说明改进后多目标人工蜂群算法具有较强的收敛性和较高的多样性。（2）本文算法与同类算法的比较同时，为了进一步验证本文改进后多目标人工蜂群算法性能的优越性，将

卫星地图,马鞍山市,区医院,当涂县

影响因素、基本原则以及构建数学模型所需要的理论知识。山市医院布局的现状，进而发现城市医院布局中的不合理之地对马鞍山市区医院布局的影响因素进行分析。最后利用改群算法对马鞍山市区医院布局的多目标数学模型进行求解，度法得到最优布局方案，从而为马鞍山市区的医院布局提供山市区医院布局现状山市是一座历史悠久的文明城市，地处于长江中下游一带的省东部地带，与南京市接壤。现辖区面积共 4049 平方公里，，分别是雨山区、花山区、博望区、当涂县、和县和含山县，县在长江以北，雨山区、花山区、博望区和当涂县在长江以各县区之间的经济发展水平相差较大，其中博望区、当涂县济发展水平较低，城乡差异较大，为了简化研究问题的复杂究的是马鞍山市区（雨山区、花山区，如图 5.1 所示）医院
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R197.3

【参考文献】