调度问题一直伴随着实际生活的方方面面,合理的调度策略对工业、医疗、物流、航空等各个领域的管理至关重要。随着近几年COVID-19的爆发,引发了各地医疗卫生机构对预约调度的思考,大型医疗机构为避免交叉感染采取线上预约的方式进行。但是大部分医疗机构只是简单的将先来先服务策略变为线上操作,并没有考虑患者之间的差异和随机事件的干扰。这常常会带来医疗机构运行混乱、医疗资源的浪费和医患关系的紧张。而要解决这个问题,实现对医疗资源的有效管理和调度,必须要有一个高效的、能吸收随机干扰的资源管理调度计划。因此,本文选取具有代表性的CT检查预约调度作为研究内容,同时考虑了患者检查的差异性和到达时间的随机性扰动两个方面的影响,对患者和CT设备联合调度问题进行了深入讨论,重点研究了患者CT检查预调度计划的制定问题和调度计划执行时针对随机扰动实时调度策略的设计问题。具体研究的内容及结果如下:研究了医院CT设备对患者进行检查诊断的鲁棒调度计划制定问题,建立了以最小化患者的计划延误时间和最大化缓冲时间的双目标鲁棒优化模型。其中,针对患者实际达到时间的不确定性,在传统的以计划延误时间为服务指标的CT分配模型基础上,引入缓冲时间T作为鲁棒性指标,对离散的CT预约调度中的最优化和鲁棒性之间进行权衡。根据问题的特点,将该双目标鲁棒优化模型转换为单目标模型并进行基于遗传算法的求解。借助Python对实际医疗数据的仿真计算,验证了模型和算法的可行性和有效性。所得到的调度计划与不考虑鲁棒性的传统策略的对比表明,吸收和缓解不确定扰动的能力优势明显。研究设计了上述调度计划在执行阶段时的患者和CT实时联合调度策略,以最小化患者的实际延误时间为目标,建立了基于CNP协商机制的患者和CT实时调度模型,采用患者和CT设备实时联合调度策略进行优化。实例仿真计算的结果表明,采用实时联合调度优化策略与只考虑患者的调度策略相比,更能减小在不确定环境下的影响,进一步提高了策略的鲁棒性。