Rozvrhování domácí péče

Abstract

Problém rozvrhování domácí péče je úlohou ze třídy NP hard problémů, která kombinuje aspekty problému obchodního cestujícího a plánování směn zdravotních sester, známý jako nurse rostering problem. Cílem je vytvořit rozvrhy pro zdravotní asistenty, kteří vykonávají objednanou péči v domácím prostředí klientů, se zohledněním případných omezení. Cílem této diplomové práce je provést analýzu problému a navrhnout a implementovat algoritmus, který najde suboptimální rozvrh pro daná vstupní data. Objednané asistence mohou být navíc zadány flexibilně pomocí časového okna, nebo mohou mít určitá omezení (soft constraints či hard constraints). Řešení je hledáno dvoufázovým algoritmem, který nejprve vytvoří částečný rozvrh pro všechny sestry a následně jej iterativně vylepšuje pomocí dvou typů heuristik (insertion a removal). Při návrhu algoritmu byl kladen velký důraz na rozšiřitelnost, snadnou konfiguraci a nezávislost jednotlivých komponent, díky čemuž jej lze velice jednoduše upravovat, například změnit kriteriální funkci nebo použít jiné heuristiky pro hledání výsledného rozvrhu. Měření efektivity algoritmu proběhlo na řadě reálných i generovaných dat a na základě analýzy výsledků byla vyhodnocena využitelnost použitých heuristik.

Home health care scheduling problem is a task from the NP hard complexity class that combines aspects of both travelling salesman problem and nurse rostering problem. The goal is to create individual schedules for medical assistants that perform demanded services in the client's home environment while also considering any potential constraints. The aim of this master's thesis is to analyze the problem and to design and implement an algorithm that finds a suboptimal schedule for given input data. The services may also be specified in a flexible way by a time window, or can have certain constraints (soft or hard). The solution is found by a two-phase algorithm that initially creates a partial schedule for all assistants and subsequently iteratively improves it by applying two types of heuristics (insertion and removal). During the designing of the algorithm, an emphasis was put on its extensibility, easy configurability and independence of all individual components, which facilitates any potential changes, such as altering the objective function or using different heuristics for schedule improvement. Benchmarking of the efficiency of the algorithm was measured on a set of both real and generated instances and the usability of the individual heuristics was evaluated based on analysis of the results.