شماره ركورد كنفرانس :
3870
عنوان مقاله :
ارائه مدل رياضي چند هدفه حداقل P-envy براي مكانيابي استقرار مراكز فوريتهاي پزشكي
عنوان به زبان ديگر :
Presenting a multi-objective mathematical model of P-envy minimum for locating the Emergency Medical Centers
پديدآورندگان :
شهيدثالث علي aliie6887@gmail.com دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران , سلطاني رويا royasoltani@iust.ac.ir دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران , خليلزاده محمد mo.kzadeh@gmail.com دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران
كليدواژه :
P-envy , مكانيابي مراكز فوريتهاي پزشكي , هزينههاي ارائه خدمات پزشكي
عنوان كنفرانس :
سومين كنفرانس بين المللي مجازي مهندسي صنايع و سيستم ها
چكيده فارسي :
مكانيابي تسهيلات با استفاده از الگوريتم حداقل P-envy مدل جديدي هست جهت مكانيابي مراكز فوريتهاي پزشكي به منظور برابرسازي (بالانس) حق برخورداري از دريافت خدمات يكسان پزشكي ميباشد. حداكثر سازي پوشش به منظور افزايش احتمال زندهماندن دستههاي مختلف بيماران، حداقل سازي هزينههاي احداث مراكز فوريتهاي پزشكي و بهينهسازي نسبت حق برخورداري نواحي از مراكز فوريتهاي پزشكي با در نظرگيري محدوديتهاي بودجهاي يكي از چالشهاي اساسي در نظام سلامت كشورها به حساب ميآيد. در اين پژوهش يك مدل براي بهرهگيري حداكثر جهت ارائه خدمات فوريتهاي پزشكي با محدوديت بودجه ارائه شده است. با توجه به ماهيت مساله كه از نوع NP-Hard ميباشد از الگوريتم فراابتكاري ژنتيك حل مساله استفاده شده است
چكيده لاتين :
Facility location using the P-envy minimum algorithm is a new model for locating emergency medical centers in order to balance (balance) the right to receive the same medical services. Maximizing coverage in order to increase the likelihood of survival of different groups of patients, minimizing the costs of building emergency medical centers and optimizing the proportion of eligibility for areas from medical emergencies with consideration of budget constraints is one of the major challenges in the health system of countries. In this research, a model for maximizing the use of emergency medical services with budget constraints is presented. Due to the nature of the NP-Hard problem, the problem-solving genetic algorithm is used.