18、解决不相关并行机器调度问题与医院住院时长预测的数据挖掘应用

解决不相关并行机器调度问题与医院住院时长预测的数据挖掘应用

在当今的科技与管理领域，优化调度问题和医疗数据挖掘都有着至关重要的地位。本文将为大家介绍不相关并行机器调度问题的解决方案以及如何运用数据挖掘技术预测医院住院时长。

不相关并行机器调度问题（UPMSPST）解决方案

不相关并行机器调度问题（UPMSPST）旨在最小化调度的最大完成时间，也就是makespan。为了解决这个问题，研究人员提出了两种基于迭代局部搜索（ILS）和可变邻域下降（VND）的算法。
- AIV算法 ：该算法实现了自适应最短处理时间（ASPT）规则来创建初始解决方案。使用随机可变邻域下降（RVND）程序进行局部搜索，通过插入和交换操作随机探索解决方案空间。AIV中的扰动是插入操作的应用。
- HIVP算法 ：这是对AIV的一次升级尝试。它使用部分贪心程序构建解决方案，并结合路径重连（PR）技术来强化和多样化搜索。

将这两种算法应用于文献中的实例，并与遗传算法GA2进行比较。通过对计算结果的统计分析发现，AIV和HIVP能够产生比GA2好100%的解决方案，并且还能为测试问题生成新的上界。虽然从表面上看HIVP似乎比AIV更好，但在统计上并未得到证实。不过，可以得出结论，AIV和HIVP在处理UPMSPST问题时都是高效的算法。

从Tukey HSD测试的结果图中可以更明显地看出，HIVP和AIV与GA2在统计上有显著差异，因为它们的图形不经过零；而HIVP和AIV之间在统计上没有显著差异，因为图形经过零。因此，在考虑的实例范围内，AIV和HIVP是解决UPMSPST问题的最佳算法。