随着人口老龄化的加剧,医疗门诊就诊量逐年上涨,加之我国医疗资源十分紧缺且分布不均衡,给我国医疗系统造成了巨大的压力。门诊服务作为医疗系统面向就诊患者提供医疗服务的第一步,其资源利用率和服务效率对患者的就医体验影响极大。随着“健康中国2030”规划纲要的推进,各级医疗机构从门诊服务信息平台优化运作角度着手,力图通过线上预约提前调度患者就医,达到合理分配有限医疗资源、提高门诊服务效率,从而改善患者就医体验的目的。但是在当前门诊服务实践中,预约调度仍旧以经验为主,缺乏有效的自动化、动态化决策方法,导致门诊积累的大量实际服务流程数据没有得到科学的利用。因此,门诊预约调度服务的优化决策支持系统仍有很大提升的空间。现阶段由于我国门诊患者的就医习惯尚未完全改变,提前预约、现场预约及当日就诊等多种类型的患者共存,并且我国大型医院门诊普遍由专家及平诊等多级别医生资源组成,考虑到各类患者在到达过程、挂号过程及候诊过程中存在的随机行为因素和医生在接诊过程中的随机行为模式等,准确刻画这些对门诊服务效率有重要影响的关键行为机制,并纳入到门诊预约调度决策优化系统中显得至关重要。在国务院关于推进医疗大数据的发展建议和全国医疗卫生服务体系“十四五规划”的新要求下,如何对门诊积累的数据信息进行挖掘分析,同时充分考虑多级医生、多类患者的复杂随机行为（及自适应行为）因素,提出适用于我国现阶段就诊场景的医疗门诊预约调度优化框架,为患者提供分时段（精确时间）的预约就诊服务、并对门诊多级别医生服务系统实现动态医疗资源整合,成为关系国计民生、亟待解决的热点问题,引起了社会各界的广泛关注,也是本文的主要研究动机。本文以国内大型三甲综合医院的门诊预约系统作为研究对象,对我国现实医疗门诊就诊场景进行调研,同时收集大量门诊服务流程的历史数据,并对该领域的前沿研究文献进行了系统的总结和梳理,关注到目前医疗门诊预约调度系统的优化研究还存在以下不足:1)在优化场景方面,现有研究中没有考虑到多级别医生组成的门诊服务排队网络、不同级别间医生资源利用率不均衡、患者有限的候诊耐心导致患者候诊中途退号、换号甚至离开等行为,以及由此造成的医疗资源的浪费和患者的不满。2)在数据资源的利用方面:现有研究并未考虑医生及患者的行为模式,也没有通过数据来验证、解释和揭示其行为机理;由此建立的门诊预约调度优化模型无法体现出医患动态随机行为（如患者偏好、患者耐心及医生诊疗速度如何调整等）对系统性能表现和优化决策结果的影响;3)在决策方法方面,现有研究中大多采用传统排队论、数学规划的决策方法,以解决提前期长、数据维度小、单阶段、单医生为主的预约调度优化问题,对于复杂场景（多阶段耦合、多医生协作、多种非确定性并存）、医患行为自适应、就诊状态时变的动态预约调度优化问题需要更加灵活的建模方式及能够应对数据维度爆炸的优化算法。针对上述不足,本研究针对我国门诊系统中普遍存在的多级别（专家与平诊）医生服务网络,重点关注门诊服务过程中医患双方的复杂随机行为,通过对门诊信息系统（Hospital Information System,HIS）中数据的挖掘和分析,验证了患者对于高水平医生的选择偏好及候诊耐心随系统状态调整的行为模式,揭示和解释了在由多级别医生组成的复杂排队网络中医生服务速度随工作负荷调整的行为机制及医生间工作效率相互影响的行为机制。在充分考虑到两个级别医生的门诊系统中多类型患者随机行为因素的基础上,通过离散事件仿真方法对门诊预约调度服务系统进行建模,并采用了仿真预算分配与遗传算法结合的多目标仿真优化算法得到近似最优调度方案。在充分考虑到多级别医生服务系统内医患自适应行为因素的基础上,通过马尔科夫决策过程对门诊预约调度服务系统进行建模,采用基于深度神经网络近似价值函数的近似策略迭代算法得到近似最优调度策略,最后通过策略比较和数值试验分析为决策者提供决策支持和政策建议。本文主要工作包括:（1）医疗门诊患者选择偏好与耐心限度行为模式的数据建模针对门诊存在的患者选择偏好和候诊中途退出等严重影响患者就诊体验和门诊服务效率的现象,从门诊实际就诊流程数据出发,结合理性行为决策过程分析理论,将患者的行为模式分为三个阶段:偏好、适应-耐心和放弃,并采用不同的数据分析方法来探讨影响患者行为的主要因素。通过聚类分析、逻辑回归分析及生存分析等方法,挖掘了在两类级别医疗资源中患者的选择偏好行为特征及患者候诊耐心限度的表述和测量;建立了就诊过程中患者生存（是否退出系统）概率的拟合公式,揭示了患者在门诊选择、候诊和退出的行为机理。研究发现,患者对不同类型门诊服务的选择不均衡,具有不同人口特征的患者对就诊时间和医生头衔有相对明确的偏好;患者在中途退出前的等待耐心限度一般会随着系统的平均拥堵情况而波动。研究结论为提高门诊预约调度服务中患者的满意度提供思路,也为后续门诊预约调度优化问题的场景建模提供了有力的数据支撑,特别是考虑多类患者的偏好、耐心限度和中途退出行为,有助于更有效地优化资源配置。（2）门诊医生诊疗速度自适应性调整行为的机制分析在经典的排队理论文献中,通常假设一个服务器以外生且恒定的速度工作。传统门诊预约调度服务系统中几乎没有考虑到医生工作速度的自适应性,但门诊实践和文献研究表明,医生的诊疗速度会很大程度上受到工作量及排班情况的影响。本文通过实证检验和排队论理论分析,分别研究工作负荷及排班调整的背景下,工作负荷对门诊多级别医生服务速度的自适应机制和对系统性能指标的影响。基于文献的总结,提出了一个考虑不同级别及熟悉程度医生之间相互影响机制的实证分析框架、门诊医生依赖工作负荷和团队熟悉程度来调整服务速度的假设,通过合作医院门诊的实际数据对提出的假设进行验证分析。基于实证分析结果,考虑了一个贴近我国现实场景的解析型排队模型;该模型是具有异质服务器、非同质顾客和有限内存空间的多服务器埃尔朗排队系统,从排队论理论角度推导其基本特征值和医生数量为2和3时排队系统的性能指标。研究发现,系统中的稳态患者数量分布不仅取决于诊疗时间的平均值还取决于患者数量和服务时间的联合分布函数;医生会通过对工作量的估计而调节诊疗服务速率;团队医生间协作时,团队规模大、医生间熟悉程度高时系统整体效率更高。研究结果不仅揭示了依赖工作负荷的服务时间调节机制并且验证了在多级别资源门诊环境中更准确地刻画医生行为机制的重要性,更重要地是评估和量化了医疗门诊多级别医生的自适应行为,为门诊服务过程的管理与规范化提供可参考的理论依据,也为后续门诊预约调度动态规划提供了可靠的数据支撑。（3）考虑患者选择偏好与退出行为的门诊预约调度多目标仿真优化在医疗门诊服务中,由于患者对不同级别医生和不同就诊时间的选择行为,导致不同级别医疗资源利用不均衡、效率低下和患者不满意,已经成为医院管理者面临的主要问题。针对该问题,首次考虑了患者对于普通医生和专家医生的选择偏好行为。通过第三章的数据分析建模,将严重影响门诊服务效率和患者满意度的患者选择偏好和中途退出等行为考虑在预约调度优化问题内,利用门诊流程数据拟合作为实际数据支撑,通过离散事件仿真（Discrete Event Simulation,DES）方法,建立数据驱动的离散事件仿真模型。该模型考虑到预约患者的时间偏好、爽约和取消行为,并考虑医生资源选择的不平衡和等待时间的忍耐限度造成的复杂患者流,包括患者选择专家医生造成无法及时就诊、患者因耐心达到限度而选择中途退出以及患者退出后选择其他医生重新排队或直接离开等;建立了同时考虑预约和当天两类患者的多服务器并行的门诊复杂排队网络,通过对选择专家和平诊两类医生资源的预约患者进行联合能力分配与调度,进而同时使患者的满意度和医院的收益达到最大化。基于多目标优化的仿真预算分配（multi-objective computing of budget allocation,MOCBA）和遗传算法（genetic algorithm,GA）相结合,得到了近似的多服务器帕累托（Pareto）联合能力计划和患者调度方案。通过基于全年门诊真实数据的案例研究验证了该仿真模型,提出的优化方法可以全面提高门诊调度系统的性能。仿真优化框架可以为所有涉及消费者选择和不耐烦行为的多服务器服务系统提供一个有效的调度方案。为门诊多类患者多种行为因素的多目标优化问题提供了思路,给门诊预约调度服务系统的管理者提供切合实际的管理启示。（4）考虑多类医生及诊疗速度调整的门诊预约调度的近似动态规划针对现实中的多级别医生并存以及医患的多种行为下的序列预约调度问题,开发了一个基于马尔科夫决策过程（Markov Decision Process,MDP）模型的分析框架,描述门诊服务背景下平行服务器的多类排队系统中的动态预约调度,该问题考虑了延迟适应性的患者中途退出行为和负荷适应性的医生服务速度调整行为。首先在模型中通过依次将每个预约请求分配到一个特定级别医生的可用时间段,对诊疗收入与患者满意度以及各级别的医生工作量进行了接近最优的权衡。其次,我们推导出模型的性质,并提出了一个基于预约时间和医生资历之间权衡的启发式策略,同时采用了近似动态规划（Approximate Dynamic Programming,ADP）的方法,为难以解决的随机动态优化问题设计了一个可行的近似策略迭代算法;采用了神经网络的价值函数近似方法,并根据门诊系统的特点选择了一组基于排队的特征值作为基本函数,以确保算法的稳定性和收敛性,在解决方案的准确性和计算效率之间产生良好的权衡。最后,还通过实际案例验证了所构建的基于近似动态规划的调度策略在两类医生之间的日平均等待队列长度的差异、日平均服务的患者数量、日平均退出的患者数量以及日平均患者等待时间等多种性能指标上均优于目前实践中的系统。以上不仅给中国医疗门诊实际运作管理提供了从流程数据,到动态建模,直至最优策略的一体化全自动的优化算法框架,也针对我国特有的复杂门诊预约管理实践提供切实可行的管理启示。