以老人需求为导向的社区医养服务人员动态调度干扰管理研究

doi:10.16381/j.cnki.issn1003-207x.2025.0222

摘要/Abstract

摘要：

医养结合是缓解我国社区医养资源不足的重要养老模式，激活有限的医养护理资源是提升养老服务质量的关键。文章聚焦社区老人动态医养需求场景下服务人员调度优化难题，通过构建基于前景理论的多主体扰动度量模型，以社区机构、服务人员和老人的综合前景值最大化为扰动优化目标，建立多目标干扰管理优化模型。提出嵌入遗传算子的改进灰狼优化算法（IGWO），并通过标准案例集来验证文章模型和算法的有效性。结果表明：嵌入遗传算子的改进灰狼优化算法（IGWO）所得到的非劣解集在分布性、支配性、收敛性指标上显著优于灰狼优化算法（GWO）和多目标遗传算法（NSGA-II）。本研究为医养资源调度提供了动态扰动响应框架，提出的行为建模方法拓展了传统运筹学在公共服务领域的应用边界，算法创新为复杂调度问题求解提供了新工具。

关键词: 老人需求, 社区医养服务, 人员调度

Abstract:

The integration of medical care and elderly care is an important elderly care model to alleviate the shortage of medical and elderly care resources in China's communities. Therefore， activating the limited medical and elderly care resources is the key to improving the quality of elderly care services. It focuses on the problem of optimizing the scheduling of service personnel in the dynamic medical and elderly care demand scenarios of community elders for this paper. By constructing a multi-agent perturbation measurement model based on prospect theory， with the maximization of the comprehensive prospect value of community institutions， service personnel， and elders as the perturbation optimization objective， a multi-objective interference management optimization model is established. An improved Grey Wolf Optimization algorithm （IGWO） embedded with genetic operators is innovatively proposed. Finally， the effectiveness of the model and algorithm in this paper is verified through a standard case set. The results show that the non-inferior solution set obtained by the improved Grey Wolf Optimization algorithm embedded with genetic operators is significantly superior to the Grey Wolf Optimization algorithm （GWO） and the multi-objective genetic algorithm （NSGA-II） in terms of distribution， dominance， and convergence indicators. A decision-making framework is provided that balances efficiency and fairness for the scheduling of medical and elderly care resources in dynamic environments. The proposed behavioral modeling method expands the application boundaries of traditional operations research in the field of public services， and the algorithm innovation provides a new tool for solving complex scheduling problems.

Key words: elderly needs, community medical and elderly care services, personnel scheduling

中图分类号:

F063.4

杨哲,胡文超,马建宇. 以老人需求为导向的社区医养服务人员动态调度干扰管理研究[J]. 中国管理科学, 2026, 34(3): 202-213.

Zhe Yang,Wenchao Hu,Jianyu Ma. Research on Dynamic Scheduling and Interference Management of Community Medical and Elderly Care Service Personnel Oriented to the Needs of the Elderly[J]. Chinese Journal of Management Science, 2026, 34(3): 202-213.

图/表 9

图1

图2

图3

图4

图5

表1

表2

表3

表4

参考文献 25

[1]	中华人民共和国民政部．2023年度国家老龄事业发展公报［EB/OL］.（2024-10-11）［2025-04-05］.．
	Ministry of Civil Affairs of the People's Republic of China.2023 Annual bulletin on the development of national elderly affairs［EB/OL］.（2024-10-11）［2025-04-05］.．
[2]	国家卫生健康委．关于印发“十四五”健康老龄化规划的通知［EB/OL］.（2022-03-01）［2025-04-05］. .
	National Health Commission of the People's Republic of China ．Notice on issuing the “14th Five-Year Plan” for health aging in China［EB/OL］.（2022-03-01）［2025-04-05］．．
[3]	中国中央电视台网站．国家卫生健康委：15省份开展老年人失能失智预防干预试点［EB/OL］．（2021-11-26）［2025-04-05］．．
	China Central Television Network. National Health Commission：15 provinces have launched pilot programs for prevention and intervention of elderly people’s disability and dementia［EB/OL］．（2021-11-26）［2025-04-05］．．
[4]	Ma X， Fu Y， Gao K， et al. A multi-objective scheduling and routing problem for home health care services via brain storm optimization［J］. Complex System Modeling and Simulation， 2023， 3（1）： 32-46.
[5]	Bazirha M， Kadrani A， Benmansour R. Stochastic home health care routing and scheduling problem with multiple synchronized services［J］. Annals of Operations Research， 2023， 320（2）： 573-601.
[6]	丁锋，付亚平，王伟，等. 多中心社区居家养老服务调度与服务网络优化［J］. 复杂系统与复杂性科学， 2022， 19（1）： 104-110.
	Ding F， Fu Y P， Wang W， et al. Multi-depot scheduling and service network optimization problem of community home health care［J］. Complex Systems and Complexity Science， 2022， 19（1）： 104-110.
[7]	冯华，邱雨如，黄宇，等. 养老服务补贴研究：补需方比补供方更好吗？［J］. 中国管理科学， 2023， 31（9）： 266-277.
	Feng H， Qiu Y R， Huang Y， et al. The impact of different government subsidy models on the elderly care service market［J］. Chinese Journal of Management Science， 2023， 31（9）： 266-277.
[8]	Rest K D， Hirsch P. Insights and decision support for home health care services in times of disasters［J］. Central European Journal of Operations Research， 2022， 30（1）： 133-157.
[9]	Maghzi P， Mohammadi M， Pasandideh S H R， et al. Operating room scheduling optimization based on a fuzzy uncertainty approach and metaheuristic algorithms［J］. International Journal of Engineering， 2022， 35（2）： 258-275.
[10]	杨欣潼，张婷，白丽平，等. 社区居家养老服务的预约调度与路径规划问题研究：基于改善蚁群算法［J］. 系统工程理论与实践， 2019， 39（5）： 1212-1224.
	Yang X T， Zhang T， Bai L P， et al. Appointment scheduling and routing problem of communityhome-health-care： Based on modified ant-colony algorithm［J］. Systems Engineering-Theory & Practice， 2019， 39（5）： 1212-1224.
[11]	毕东军，於冰洁，陈巧，等. 基于护理程序智慧养老管理平台的开发与评价［J］. 中国护理管理， 2023， 23（7）： 1074-1078.
	Bi D J， Yu B J， Chen Q， et al. Development and evaluation of smart elderly care management platform based on nursing process［J］. Chinese Nursing Management， 2023， 23（7）： 1074-1078.
[12]	吕伟，吴嗣贤，吴子涵，等. 基于时间窗的无人机配送应急物资路径规划研究［J］. 中国安全生产科学技术， 2025， 21（3）： 170-176.
	Lv W， Wu S X， Wu Z H， et al. Research on route planning of UAV delivery of emergency materials based on time window［J］. Journal of Safety Science and Technology， 2025， 21（3）： 170-176.
[13]	Kahneman D， Tversky A. Prospect theory： An analysis of decision under risk［J］. Econometrica， 1979， 47（2）： 263-292.
[14]	Winter L， Lawton M P， Ruckdeschel K. Preferences for prolonging life： A prospect theory approach［J］. International Journal of Aging & Human Development， 2003， 56（2）： 155-170.
[15]	Barberis N C. Thirty years of prospect theory in economics： A review and assessment［J］. The Journal of Economic Perspectives， 2013， 27（1）： 173-195.
[16]	金卫健，徐浩，黄传峰，等. 基于前景理论的大规模传染疫情应急管理决策研究［J］. 中国管理科学， 2023， 31（10）： 225-233.
	Jin W J， Xu H， Huang C F， et al. Research on emergency management decision of large-scale epidemic based on prospect theory［J］. Chinese Journal of Management Science， 2023， 31（10）： 225-233.
[17]	李浩斌，陆信辉，周开乐，等. 考虑源荷不确定性的能量枢纽负荷优化调度［J］. 系统工程理论与实践， 2024， 44（7）： 2227-2246.
	Li H B， Lu X H， Zhou K L， et al. Optimal load dispatch of energy hub under source-load uncertainty［J］. Systems Engineering-Theory & Practice， 2024， 44（7）： 2227-2246.
[18]	李鹏宇，吴冲，张之云. 基于直觉模糊语言集的直播带货窗口选择方法［J］. 运筹与管理， 2023， 32（6）： 119-125.
	Li P Y， Wu C， Zhang Z Y. Live streaming window selection based on intuitionistic fuzzy linguistic set［J］. Operations Research and Management Science， 2023， 32（6）： 119-125.
[19]	永贵，田丽君，李鹏博. 异质用户和内生市场渗透率下的自动驾驶收益——基于累积前景理论的方法［J］. 系统科学与数学， 2023， 43（9）： 2328-2340.
	Yong G， Tian L J， Li P B. The benefits for autonomous driving with heterogeneous users and endogenous market penetration—Based approach of a cumulative prospect theory［J］. Journal of Systems Science and Mathematical Sciences， 2023， 43（9）： 2328-2340.
[20]	Mirjalili S， Mirjalili S M， Lewis A. Grey wolf optimizer［J］. Advances in Engineering Software， 2014， 69： 46-61.
[21]	李建斌，杨帆，管梦城，等. 共同配送模式下订单车辆匹配决策优化研究［J］. 管理工程学报， 2021， 35（6）： 259-266.
	Li J B， Yang F， Guan M C， et al. Research on optimization of order-vehicle matching decisionunder the joint distribution mode［J］. Journal of Industrial Engineering and Engineering Management，2021， 35（6）： 259-266.
[22]	Mangalampalli S， Karri G R， Kumar M. Multi objective task scheduling algorithm in cloud computing using grey wolf optimization［J］. Cluster Computing， 2023， 26（6）： 3803-3822.
[23]	Guliashki V， Toshev H， Korsemov C ．Survey of evolutionary algorithms used in multiobjective optimization［J］．Problems of Engineering Cybernetics and Robotics，2009，60（1）：42-54.
[24]	Mirjalili S， Saremi S， Mirjalili S M， et al. Multi-objective grey wolf optimizer： A novel algorithm for multi-criterion optimization［J］. Expert Systems with Applications， 2016， 47： 106-119.
[25]	Laouafi F. Improved grey wolf optimizer for optimal reactive power dispatch with integration of wind and solar energy［J］. Electrical Engineering & Electromechanics， 2025（1）： 23-30.

算例	嵌入遗传算子的改进灰狼优化算法
算例	目标函数最优（总成本）	迭代解次数最优	平均目标函数	最差解目标函数
R101-30	2544（2711）	59（105）	2733（3088）	2979（3248）
R202-50	2669（2911）	103（96）	2879（2912）	2889（3046）
C101-100	5311（5828）	128（258）	5334（6120）	5378（6249）
C201-50	2315（3223）	46（1123）	2239（3166）	2257（3378）
RC205-50	2899（3213）	429（212）	2963（3171）	2977（3355）
RC208-50	2166（2331）	158（99）	2445（2397）	2645（2432）

算例	指标		嵌入遗传算子的改进灰狼优化算法（IGWO）	灰狼优化法（GWO）	多目标遗传法（NSGA-II）
C101	SP		0.1689	0.2007	0.3157
	CM	C（IGWO-NSGA-II）	0.8017	—	—
		C（IGWO-GWO）	0.8155	—	—
		C（NSGA-II -IGWO）	—		0.1279
		C（GWO -IGWO）	—	0.3444
R105	SP		0.1727	0.2214	0.3199
	CM	C（IGWO-NSGA-II）	0.6541	—	—
		C（IGWO-GWO）	0.81193	—	—
		C（NSGA-II -IGWO）	—	—	0.1544
		C（GWO -IGWO）		0.3538	—
R202	SP		0.1314	0.1809	0.2024
	CM	C（IGWO-NSGA-II）	0.7848	—	—
		C（IGWO-GWO）	0.8199	—	—
		C（NSGA-II -IGWO）	—	—	0.1688
		C（GWO -IGWO）	—	0.3714	—
RC108	SP		0.0715	0.0760	0.1214
	CM	C（IGWO-NSGA-II）	0.6638	—	—
		C（IGWO-GWO）	0.7822	—	—
		C（NSGA-II -IGWO）	—	—	0.1478
		C（GWO -IGWO）	—	0.4911	--
随机干扰	SP		0.0318	0.0507	0.0514
	CM	C（IGWO-NSGA-II）	0.7526	—	--
		C（IGWO-GWO）	0.6908	—	--
		C（NSGA-II -IGWO）	—	—	0.3144
		C（GWO -IGWO）	—	0.5810	--

服务类型	路线图
居家型医养服务	0→5→20→ 13→ 18→9→6→ 12→0
机构型医养服务	0→25→27→ 15→ 16→ 14→26→4→2→22→0
社区型医养服务	0→ 17→7→8→29→30→ 11→ 1→0
综合型医养服务	0→3→ 10→28→21→0

服务类型	路线图
居家型医养服务	0→5→20→ 13→ 18→9→6→ 12→0
综合型医养服务	0→3→ 10→28→21→0
机构型医养服务	0→25→27→ 15→ 16→ 14→26→4→2→22→0
社区型医养服务	0→ 17→7→8→29→30→ 11→ 1→0