ترجمه مقاله تصمیمات مکان یابی و ارسال مشترک برای خدمات فوریتهای پزشکی - نشریه الزویر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

تصمیمات مکان یابی و ارسال مشترک برای خدمات فوریتهای پزشکی

عنوان انگلیسی

Joint location and dispatching decisions for Emergency Medical Services

صفحات مقاله فارسی

26

صفحات مقاله انگلیسی

12

سال انتشار

2013

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

f411

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه نشده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی صنایع و کامپیوتر

گرایش های مرتبط با این مقاله

مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و بهینه سازی سیستم ها

مجله

مهندسی کامپیوتر و صنایع - Computers & Industrial Engineering

دانشگاه

گروه مهندسی صنایع، دانشگاه کلمسون، ایالات متحده آمریکا

کلمات کلیدی

مکان یابی/تخصیص در مراقبت های سلامت، مدل ابرمکعب، الگوریتم‌ ژنتیک

ترجمه این مقاله به صورت خلاصه انجام شده است.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
مقدمه
ارائه مسأله و ادبیات موضوعی مرتبط
مدل ریاضی
فرضیات
فرمول‌بندی
مطالعه موردی
چارچوب بهینه سازی مبتنی بر الگوریتم ژنتیک
نمایش راه حل
عملگر جهش
عملگر تقاطع
جمعیت دهی
آهنگ های تقاطع و جهش-اندازه جمعیت
نتایج محاسباتی
تنظیم الگوریتم‌ ژنتیک
مطالعه موردی با اندازه متوسط
مطالعه موردی شهرستان هانوفر
معیار عدم بازدهی
خلاصه نتایج و بحث
نتیجه‌گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

The main purpose of Emergency Medical Service systems is to save lives by providing quick response to emergencies. The performance of these systems is affected by the location of the ambulances and their allocation to the customers. Previous literature has suggested that simultaneously making location and dispatching decisions could potentially improve some performance measures, such as response times. We developed a mathematical formulation that combines an integer programming model representing location and dispatching decisions, with a hypercube model representing the queuing elements and congestion phenomena. Dispatching decisions are modeled as a fixed priority list for each customer. Due to the model’s complexity, we developed an optimization framework based on Genetic Algorithms. Our results show that minimization of response time and maximization of coverage can be achieved by the commonly used closest dispatching rule. In addition, solutions with minimum response time also yield good values of expected coverage. The optimization framework was able to consistently obtain the best solutions (compared to enumeration procedures), making it suitable to attempt the optimization of alternative optimization criteria. We illustrate the potential benefit of the joint approach by using a fairness performance indicator. We conclude that the joint approach can give insights of the implicit trade-offs between several conflicting optimization criteria.

نمونه چکیده ترجمه متن فارسی

چکیده
هدف اصلی سامانه های خدمات فوریت های پزشکی نجات زندگی ها با فراهم کردن پاسخ سریع به فوریت ها است. عملکرد این سیستم ها تحت تأثیر مکان آمبولانس ها و تخصیص آنها به مشتریان است. ادبیات موضوعی گذشته پیشنهاد داده اند که اتخاذ تصمیمات همزمان مکانیابی و ارسال به طور بالقوه می تواند برخی سنجه های عملکرد نظیر زمان پاسخ را بهبود بخشد. ما یک فرمولبندی ریاضی را توسعه می دهیم که در آن یک مدل برنامه نویسی عددی که نمایانگر تصمیمات مکانیابی و ارسال است را با یک مدل ابرمکعب که نمایانگر اجزای صف بندی است و پدیده تراکم را ترکیب می کند. تصمیمات ارسال به عنوان یک فهرست اولویت ثابت برای هر مشتری مدل می شوند. به دلیل پیچیدگی مدل، یک چارچوب بهینه سازی را بر مبنای الگوریتم‌های ژنتیک توسعه می دهیم. نتایج ما نشان می دهد که کمینه سازی زمان پاسخ و بیشینه سازی پوشش را می توان با استفاده از قاعده پرکاربرد نزدیکترین ارسال به دست آورد. چارچوب بهینه سازی به طور سازگاری قادر است که بهترین جواب ها را حاصل کند (در مقایسه با روش های شمارش)و بدین ترتیب روش مناسبی در زمینه بهینه سازی معیارهای بهینه سازی جایگزین باشد. ما مزایای بالقوه رهیافت مشترک را با استفاده از شاخص عملکرد تعادل نشان می دهیم. نتیجه می گیریم که روش مشترک می تواند نگاه خوبی در مورد موازنه های ضمنی بین معیارهای بهینه سازی متناقض و متعدد بدهد.