健康服务业与人们的生活息息相关,经过这些年的迅速发展,已成为我国的朝阳产业。随着新世纪互联网的快速成熟,健康服务业也出现了许多新的服务模式,尤其是互联网健康服务平台的出现,将线下零散的健康服务资源进行整合,为用户提供了更加方便快捷的健康服务。健康服务平台需要根据预约信息,将专家分派到不同的服务站中去为用户提供服务。在线下存在多个健康服务站的情形下,平台需要考虑如何高效合理地调度专家。本文对多服务站专家调度的研究能够帮助其节约成本,有效提高人力资源利用效率。在对多服务站专家调度进行研究时,本文基于健康服务和人力资源相关知识,综合考虑了用户、专家、班次、服务站等多种因素,建立了0-1整数规划模型。将用户偏好、专家班次一致性、各站专家任务公平性、调度专家数量等作为评价指标,设计了基于第二代非支配排序遗传算法(NSGA-II)的两阶段进化算法(TSGA)。同时设计了新的文化算法(CA),帮助指导TSGA中种群空间的进化过程。两阶段进化算法将问题求解过程分为两个阶段,阶段1使用NSGA-II算法对专家分派过程进行优化,阶段2使用模拟退火算法(SA)对户服务队列进行优化。文化算法能够在种群空间进化的基础上,构造信念空间,引入知识模型,通过知识引导种群进化。根据问题特点,本文设计了专家分派知识模型和算子知识模型并以此构建了信念空间,利用专家分派知识来优化专家的分派计划,利用算子知识来提高进化算法中各算子的利用效率。文章分别为TSGA和NSGA-II增加了该文化算法框架,形成了新的算法TSGAC和NSGA-II-C。最后,本文依据实际中健康服务平台的规模随机生成了A、B、C、D四组案例。以经典NSGA-II为基准,比较了TSGA,TSGA-C,NSGA-II,NSGA-II-C四种算法在各案例中的效果,对比分析表明:TSGA在解决多服务站专家调度这一高维多目标问题上相比于NSGA-II改进效果明显,能够显著提高解的质量;当案例规模扩大,约束复杂且不容易满足时,附加的文化算法能够更好更快地指导种群进化,提高求解速度,且其Pareto解集更加丰富全面。