《Biomimetics》：Bio-Inspired Metaheuristic Optimization for Elective Surgical Scheduling: A Real-World Two-Stage Flexible Flow-Shop Study
编辑推荐：
择期手术排程（Elective Surgical Scheduling）需在运营约束下为手术室及专业人员分配资源，然而多数元启发式（Metaheuristic）评估依赖合成基准。研究人员将问题建模为两阶段柔性流水车间（Two-Stage Flexible Fl
择期手术排程（Elective Surgical Scheduling）需在运营约束下为手术室及专业人员分配资源，然而多数元启发式（Metaheuristic）评估依赖合成基准。研究人员将问题建模为两阶段柔性流水车间（Two-Stage Flexible Flow-Shop），麻醉准备与手术分别独立分配房间，并基于智利某公立医院的23,865条有效记录进行标定。研究人员比较了四种基于种群的生物启发方法：遗传算法（Genetic Algorithm，GA）、离散粒子群优化（discrete Particle Swarm Optimization，dPSO）、秘书鸟优化算法（Secretary Bird Optimization Algorithm，SBOA）与离散螳螂虾优化算法（discrete Mantis Shrimp Optimization Algorithm，dMShOA）。在15至30台手术的四个规模实例与400次重复实验中，粒子群方法在20至30台手术的平均完工时间（Makespan）最低；SBOA相较该方法将经历阶段间等待的患者数量约减少一半，并在部分重复中实现零等待排程。确定性派工规则（Dispatching Rules）在预期基准吞吐上仍具竞争力或更优，尽管粒子群在30台手术中找到最短最优排程。对120个历史择期手术日的回溯重放复现了吞吐与等待的权衡：相较实际人工排程日历跨度，粒子群的中位模拟完工时间差异为一定值（中位绝对差异为每日若干分钟）。该重放基于已实现的操作时长、每日房间数与固定人员池，提供历史工作负载下的回顾性比较。
研究背景方面，医院手术室调度直接影响床位流转、人员负荷与患者等待，属于资源受限环境下的高价值组合优化问题。现有文献大量依赖合成算例，缺乏基于真实运营数据的实证校验，且公立医疗系统普遍面临择期手术积压与利用率偏低。研究人员以智利Los Lagos地区公立医院2020至2023年28,464条原始手术记录为队列来源，经清洗保留23,865条有效记录，将每台择期手术抽象为“麻醉准备—手术”两阶段柔性流水车间（Flexible Flow-Shop，指多台并行机器上作业按阶段顺序加工），各阶段房间独立分配并采用无缓冲阻塞约束。
关键技术方法方面，研究人员构建两层次解表达：手术优先级序列与逐阶段房间分配表，由离散事件仿真器结合人员最早可用派工规则解码评分；以包含Makespan、启动时间、阶段间等待与房间负载失衡的加权复合目标驱动搜索。四种群体智能与进化算法分别为GA、dPSO、SBOA与dMShOA，其中连续空间算法通过秩排序、Sigmoid转移概率与可行房间重映射实现离散化。实验采用15、20、25、30台手术四组固定实例，每组400次蒙特卡洛重复，以Friedman检验、Wilcoxon符号秩检验与Holm–Bonferroni校正进行非参数统计推断，并对120个历史手术日做回溯重放。
研究结果方面，Makespan性能与离散度显示：15台时GA与各组接近且统计优势可忽略；20台及以上dPSO平均Makespan最低、离散度最小，30台时领先约30至40分钟。统计显著性部分表明Friedman检验全部拒绝原假设，dPSO在大规模实例上对其余元启发式具中到大效应优势。最优解获取部分指出，dPSO在20、25、30台实例中取得最佳或并列最佳频率最高，其最优排程打包最紧，SBOA分布更均衡，dMShOA碎片化明显。蒙特卡洛收敛分析显示400次重复足以稳定均值与标准差，dPSO收敛最快且最可预测。累计最优进度表明在30台实例中dPSOwall-clock内更早触达最低Makespan。计算成本部分显示四类算法单次运行均在分钟级，具备日常部署可行性。服务质性指标显示SBOA显著降低经历阶段间等待的患者数与最大延迟，形成“吞吐—等待”权衡。经典派工规则对比表明确定性规则在基准吞吐上仍具竞争力。历史日重放部分复现上述权衡，dPSO相对人工排程在中位日历跨度上更紧凑。
讨论与结论翻译部分，研究人员指出：实证标定改变了合成基准下的算法优劣叙事，大规模场景dPSO主导吞吐，SBOA在患者等待体验上更优；经典派工规则不可被简单替代。结论为，两阶段柔性流水车间框架下，生物启发元启发式可切实改善择期手术排程，且应依“压缩Makespan”或“减少患者等待”目标做算法选型；回溯重放证明该方法在真实历史负载下具有可解释收益，为公立医疗系统低资本投入提升手术室利用率提供可行路径。
这篇解读已完成，接下来可以选择一个方向继续深化：
