随着医院现代化建设的快速发展,医院对高效的自动化物流系统的需求越来越突出。医院轨道物流系统（Medical Track Vehicle System,MTVS）以其运输稳定、承载量大、故障率低、兼容性强等优点,现已成为许多医院的首选。任务调度是MTVS运行过程的核心任务,当前的调度策略主要是人工调度,这也就导致了系统运行过程中存在的运输效率较低、轨道小车（Track Vehicle,TV）拥堵等问题。为了提高MTVS的运输效率,有必要针对MTVS中的任务调度问题进行研究。本文以浙江省某三甲医院为实际背景,通过分析MTVS的系统结构和工作过程,对MTVS进行了系统建模,并对其中的静态调度问题进行了算法研究,旨在帮助医院合理地安排订单计划,为MTVS优化调度提供理论支持,同时也可以为其他应用轨道物流系统的行业在进行系统建模和调度优化时提供方法与思路。本文的主要工作包括:（1）在已有文献的基础上,结合实地调研的结果,对MTVS进行了系统建模,包括地图模型、任务模型和静态调度问题的数学模型。通过分析MTVS轨道网络的组成要素和系统结构,使用基于图论的方法将MTVS轨道网络抽象为一个带权重的混合图模型,较好地反映出了系统的真实特征。在地图模型的基础上,分析了MTVS中各个工作站点之间的物资流向,考虑了每个订单的时间窗约束、容量约束、优先级约束,建立了任务订单的随机生成算法。为了研究不同场景下的调度问题,使用该算法生成了一批具有不同的订单数量、目标权重、紧急任务比例等特征的算例,在此基础上进行算法研究。根据TV单次运输任务数量的不同,将MTVS的配送模式分为两种:单TV单任务模式和单TV多任务模式,以系统的路径成本、延迟成本为目标函数,以TV执行任务顺序、TV容量限制、订单时间窗等条件为约束建立了两种配送模式下的MTVS静态调度问题的混合整数线性规划模型。（2）设计了自适应大规模邻域搜索（Adaptive Large-scale Neighborhood Search,ALNS）改进算法对MTVS静态调度问题进行求解。首先对调度方案进行编码表示,然后构建了求解调度问题的算法框架。改进了ALNS算法的邻域搜索方式,引入了新的破坏算子和修复算子,在算子执行移除和修复操作的过程中增加了随机性。为了与ALNS算法的结果进行对比,还另外设计了基于先进先出算法（First In First Out,FIFO,用于模拟人工调度）算法、贪心（Greedy）算法和普通的ALNS算法来对调度问题进行求解。（3）使用改进ALNS算法与其他算法对具有不同特征的调度问题算例进行了求解。实验结果显示,相比于现有的单TV单任务配送+人工调度的调度策略,单TV多任务配送+ALNS算法的调度方案能够将系统的整体性能提升60%左右,显著地提升了TV的利用率和系统的承载能力。从算法角度来看,ALNS算法相比于FIFO算法和Greedy算法在不同的场景下都取得了更好的结果,并且求解效果更加稳定。相比于普通的ALNS算法,改进的ALNS算法具有更强的邻域搜索能力,在具有不同任务规模以及场景特征的算例上,改进ALNS算法的表现比普通ALNS算法更好。实验结果表明本文的研究工作对MTVS的系统优化具有一定的现实意义,有助于提升医院的物流服务质量,从而更好的促进医院现代化的建设。最后,对本文研究的内容和结果进行了总结,并对MTVS调度规划问题后续的研究进行了展望。