| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 调度问题研究现状 | 第14-17页 |
| 1.2.1 传统调度问题研究现状 | 第14-16页 |
| 1.2.2 具有恶化效应的调度问题研究现状 | 第16页 |
| 1.2.3 带有维护的调度问题研究现状 | 第16-17页 |
| 1.2.4 医疗行业调度问题研究现状 | 第17页 |
| 1.3 论文主要研究工作 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 医疗检查调度及维护 | 第20-30页 |
| 2.1 医疗检查调度 | 第20-21页 |
| 2.1.1 医疗检查调度概念 | 第20页 |
| 2.1.2 医疗检查调度的主要影响因素 | 第20-21页 |
| 2.1.3 医疗检查调度的主要指标 | 第21页 |
| 2.2 维护的概念与分类 | 第21-24页 |
| 2.2.1 维护的概念 | 第21-23页 |
| 2.2.2 预防性维护的分类 | 第23页 |
| 2.2.3 医疗行业中维护情况 | 第23-24页 |
| 2.3 医疗调度问题常用方法及特点 | 第24-29页 |
| 2.3.1 最优化算法与近似算法 | 第25-26页 |
| 2.3.2 智能搜索算法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 单机状态下最小恶化惩罚值医疗调度问题 | 第30-42页 |
| 3.1 单机状态下最小恶化惩罚值医疗调度问题 | 第30-32页 |
| 3.1.1 问题描述 | 第30-31页 |
| 3.1.2 模型描述 | 第31页 |
| 3.1.3 启发式排序规则 | 第31-32页 |
| 3.2 基于进化逆转的遗传算法(IGB) | 第32-35页 |
| 3.2.1 算法实施步骤 | 第33-35页 |
| 3.2.2 算法设计流程 | 第35页 |
| 3.3 基于邻域搜索的遗传算法(IGA) | 第35-37页 |
| 3.3.1 算法实施步骤 | 第35-37页 |
| 3.3.2 算法设计流程 | 第37页 |
| 3.4 算例分析与对比 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 预防性维护下检查时间固定的医疗检查调度问题 | 第42-50页 |
| 4.1 问题描述 | 第42-43页 |
| 4.2 模型建立 | 第43-45页 |
| 4.2.1 模型符号 | 第43页 |
| 4.2.2 数学模型 | 第43-45页 |
| 4.3 模型求解 | 第45-47页 |
| 4.3.1 改进变邻域搜索算法(IVND) | 第45-47页 |
| 4.3.2 IVND设计流程图 | 第47页 |
| 4.4 算例分析与对比 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 预防性维护下的含有累积恶化效应的医疗检查调度问题 | 第50-61页 |
| 5.1 问题描述 | 第50-51页 |
| 5.2 模型建立与优化 | 第51-55页 |
| 5.2.1 模型假设与符号 | 第51-52页 |
| 5.2.2 二次规划模型 | 第52-53页 |
| 5.2.3 改进模型 | 第53-55页 |
| 5.3 模型求解 | 第55-57页 |
| 5.3.1 基于局部邻域搜索的改进遗传算法(IGC) | 第55-57页 |
| 5.3.2 算法设计流程 | 第57页 |
| 5.4 算例分析与对比 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文及科研成果 | 第68页 |
