研究论文：探讨贝叶斯优化算法在护士调度问题中的应用

提出了一种针对护士调度问题的贝叶斯优化算法，该算法涉及从每个护士分配的集合中选择合适的调度规则。 与我们之前使用GA进行隐式学习的工作不同，所提出算法中的学习是显式的，即最终，我们将能够直接识别并混合构建基块。 通过建立解决方案联合分布的贝叶斯网络，贝叶斯优化算法可用于实现这种显式学习。 网络中每个变量的条件概率是根据一组有前途的解决方案来计算的。 随后，通过使用相应的条件概率来生成每个变量的每个新实例，直到所有变量都已生成为止，即在我们的情况下，已经获得了新的规则字符串。 将以这种方式生成另一组规则字符串，其中一些规则字符串将根据适应性选择来替换以前的字符串。 如果不满足停止条件，则使用当前有前途的规则字符串集再次更新贝叶斯网络中所有节点的条件概率。 来自52个真实数据实例的计算结果证明了这种方法的成功。 还建议所提出的方法中的学习机制可能适用于其他调度问题。