Marion S.劳纳。;Walter J.Gutjahr。;科特·海登伯格;约阿希姆·瓦格纳;约瑟夫·帕西娅 慢性病的动态政策建模:基于元启发式的帕累托最优筛查策略识别。 (英语) Zbl 1226.90096号 操作。物件。 58,第5期,1269-1286(2010). 摘要:我们提出了一个基于元启发式的政策变量优化中嵌入的面向风险群体的慢性病进展模型。通过考虑成本和效益结果以及预算限制,为决策者提供了风险群体的帕累托最优筛选时间表。筛查技术的质量取决于风险组、疾病阶段和时间。作为元启发式求解技术,我们使用基于蚁群优化范式的Pareto蚁群优化(P-ACO)算法求解多目标组合优化问题。我们的方法通过一个乳腺癌的数值例子进行了说明。在10年的时间范围内,我们为选定的年度预算和总预算提供具有成本效益的筛选时间表。然后,我们讨论了16种乳房X光检查方案的政策含义,这些方案改变了检查时间表(年度、两年期、三年期、四年期)和接受测试的女性比率(25%、50%、75%、100%)。由于该模型结构灵活,可以同时考虑多种慢性病的干预措施。 引用于6文件 MSC公司: 90C29型 多目标规划 90C27型 组合优化 90 C59 数学规划中的近似方法和启发式 91F10层 历史、政治学 关键词:决策分析:动态资源分配;多准则优化;元启发式;卫生保健:慢性病政策分析;预防 PDF格式BibTeX公司 XML格式引用 \文本{M.S.Rauner}等人,Oper。第58号决议,第5号,1269--1286(2010年;Zbl 1226.90096) 全文: 内政部