服务等待时间是影响医疗领域患者满意度的重要因素,受到诸多学者的关注,采用预约均衡就诊负荷,可以减少患者服务等待时间。目前相关预约研究主要集中在单阶段服务,但在医疗系统中也存在多阶段服务问题,由于涉及多个服务阶段,其预约问题的复杂性和不确定性更高,一方面需要考虑各阶段实时服务状态,为其推荐最佳的就诊路线,减少服务等待时间,另一方面需要及时反馈预测患者总逗留时间,减少患者对等待时间不确定性的未知焦虑,提高其满意度。故而多阶段预约调度问题既有实时优化调度需求,又有预测需求,本论文以体检服务预约这类典型的多阶段服务预约问题为对象,从两方面开展研究。从预测角度出发,建立基于CatBoost、RF以及XGBoost算法的多阶段患者总逗留时间预测模型,并以体检中心为算例对象,进行预测精度比较,结果表明,CatBoost模型算法精度最高,平均百分比误差为13.24%。同时对特征重要度进行分析,得出在体检服务这类多阶段服务预约问题中,是否需要彩超检查、检查科室数量以及彩超队列人数是影响患者总逗留时间的主要因素。从预约优化调度角度出发,从两方面开展研究:首先侧重优化,引入模糊服务时间,形成考虑服务时间不确定性的多阶段预约调度问题的数学模型,设计改进遗传算法对多阶段服务患者进行预约调度,算法验证与文献中智能路径选择策略进行对比,本文遗传算法在患者平均逗留时间以及患者平均等待时间两指标上表现更优,较文献选择路径策略分别减少了9.2%以及1.8%。其次考虑提升实时预约调度效率,汇集算法求解的优化解,构建数据集,将调度优化问题视为多分类预测问题,提出基于关键检查顺序预测的多阶段预约调度。以体检中心为对象,通过CatBoost建立患者彩超检查顺序预测模型,结果表明,MicroRecall（微平均召回率）为77%,WeightRecall（加权平均召回率）为77%,MicroPrecision（微平均精度）为77%,WeightPrecision（加权平均精度）为72%。再将基于彩超顺序预测的预约策略进行仿真验证,并与文献策略进行比较,在患者平均逗留时间以及平均等待时间两指标上结果相近,平均逗留时间增加了0.2%,平均等待时间减少了0.37%。且预测模型运行速度较快,仅需8秒。