求解自動化藥房路徑優化的混沌粒子群算法

熊軍華 吳莉莉 沈海蓮 邱 陽 趙吉普 牛 珂 張春歌

（華北水利水電大學電力學院，河南 鄭州450000）

0 引言

目前，自動化技術發展迅速，其應用也越來越廣，而快速發展藥系統是自動化藥房的核心，其發展快慢決定醫院的自動化程度[1]。提高藥房上藥、出藥的速率是加快藥房自動化速度的基礎，其意義重大[2－4]。固定式貨架是目前國內醫院藥品存儲的主要方式，但這種存儲方式會使藥品存儲分散，且空間利用率低[5]。因此，藥房自動化的關鍵要素便是如何提高存取藥品的效率，存取藥品時間和路徑的優化便成為一個關鍵性的環節。

1 儲位分配和模型建立

傳統的存儲策略主要包括定位存放、隨機存放和分類存放[6]。本文主要是通過時間和空間這兩個方面對藥品路徑進行優化的，如下所述：

時間上：將相關性較高的藥品集中存放，且根據藥品出入庫頻率的高低合理的安排藥品的存放位置，頻率高的放在出口近處，反之，則放在出口遠處。

空間上：使高度相同的藥盒放在同一排，寬度相同的藥盒放在同一列，使其在有限的空間內存放更多的藥品，從而達到提高空間利用率的目的。

根據以上原則建模，設儲藥柜總共有m層n列，總高度記為M，總寬度記為N，用坐標的方式表示藥槽的位置，即（0,0）為藥品出口位置，（1,1）為離出口位置最近的藥槽，那么（i,j）i=1,2,3.....m;j=1,2,3....n則為第i層第j列的藥槽，設儲存的藥品種類為s。可列目標函數如下：

其中，k代表的是藥品的種類，k=1,2,3.....s。fk代表第k種藥品的使用頻率，表示第i行第j列的藥品離出口的距離。

2 粒子群算法和混沌算法簡介

粒子群優化(PSO)算法[7-8]是Kennedy和Eberhart提出的按某種方式迭代的全局隨機搜索算法。其中的每個粒子都有自己的飛行速度和當前位置，沒有質量和體積，但它們都能夠根據自己的個體最優值向著全局最優值迭代，最終找到群體最優解。

在基本粒子群算法中，每個粒子分布的隨機性比較大，代入迭代公式后每次求解的值可能不同，且每個粒子的當前速度和位置代入迭代公式更新后，都會產生一個局部最優解，此后所有的粒子都會根據自己的判斷力向著這個局部最優解前進，所以此算法早期收斂速度較快，但容易陷入早熟。

混沌算法中混沌是一種運動狀態，具有隨機性，可以由初始值代入迭代方程得到[9]。此算法主要是利用它的遍歷性特點和隨機性特點，使之在一群隨機化粒子解的范圍內進行混沌搜索并迭代更新最優值。混沌算法的基本步驟：第一，隨機化一組混沌變量，其數目與優化變量數目相同；第二，使優化變量和混沌變量結合；第三，混沌搜索。

3 仿真結果分析

本文應用兩種算法進行仿真，即基本粒子群算法和混沌粒子群算法，并將仿真圖形列在同一坐標系中。為了便于比較，本次測試選取粒子種群為100，迭代次數為500，隨機采取20個儲位進行仿真，其中每一個儲位上只能存取一種藥品。

仿真結果如圖1所示。分析圖1，應用基本粒子群算法（綠色曲線）優化路徑時，前一段時間（1到90代）收斂效果還可以，但90代以后陷入了局部最優，在250代時突破，使最優解的適應度值再次下降，最終達到4.24。這里只運行了500代，不知后面是否會再次陷入局部最優，所以單純的粒子群算法不能確保路徑的優化最優。于是在粒子群的基礎上加入混沌算法，使二者結合（藍色曲線），從曲線中可以看出，加入混沌算法后，克服了粒子群易陷入局部最優的缺點，且最優的適應度值從4.24降低到3.56，達到穩定值的代數也由250代提前到54代。

可知：采用基本粒子群算法迭代250代后穩定，最佳適應度值為4.24；加入混沌算法后，54代達到穩定，最佳適應度值為3.56。基本粒子群最優路徑為：15,6,3,16,11,7,17,14,8,5,19,1,2,4,18,13,9,20,10,12；混沌粒子群最優路徑為：15,12,7,8,13,9,20,14,10,2,4,16,3,19,1,5,11,6,18,17。

可見，混沌算法和粒子群算法的融合可以揚長避短，避免粒子陷入局部最優，加快粒子的收斂速度，更好地對粒子的路徑進行了調度優化。

4 結束語

本文將混沌算法加入到基本粒子群算法中，克服了粒子群的缺點，并將其應用在自動化藥房的路徑調度優化當中，通過仿真驗證了其可以提高自動化藥房存取藥品的效率，同時也驗證了混沌粒子群算法的優越性。由此可見算法結合后更能發揮本身的優勢，混沌粒子群算法也必將擴展到其他方面。

［1］李成群,王偉,贠超,等.自動化藥房的現狀和新進展[J].機器人技術與應用,2007(5)：27-32.

［2］COLEMAN B.Hospital pharmacy staff attitudes towards automated dispensing before and after implementation[J].Hospital Pharmacy,2001,11(6)：248－251.

［3］楊東,劉妙方,譚志堅,等.住院/門診整合式藥房自動化系統的設計和解決方案[J].臨床醫學工程,2009,16(11)：10－12.

［4］劉相權,贠超.基于PMAC和PLC的自動化藥房出藥系統的研究[J].制造業自動化,2008,30(11)：20－22,30.

［5］趙雪峰,贠超,劉相權,等.自動化藥房系統調度的優化[J].計算機工程,2009,35(10)：0193-0195.

［6］黃丹華,王肅.基于混合粒子群算法的貨位優化分配問題[J].應用科技,2013,40(4)：9－13.

［7］R Eberhart,J kennedy.A new optimizer using particle swarm theory.in：Proc of the 6th int’l Symposium on Micro Machine and Human Science.Piscataway,N J：IEEE Service Center,1995：39-43[Z].

［8］J kennedy,R Eberhart.Particle swarm optimization.IEEE int’l Conf on Neural Networks，Perth，Australia，1995[Z].

［9］高鷹,謝勝利.混沌粒子群優化算法[J].計算機科學,2004,31(8).