清流整形美容論壇

[plasticsuper]

接下來這個畫面要小心，它顯示了20組解答的penalty。在此例中，最好的那個解是126.9，最差的那個解是149.1。
請注意!　這個值愈接近0愈好。



所以，若是你滿意了這組答案，那請按「取消」；

若你不滿意這組答案，則請按「確定」，這樣，程式會再繼續跑400代(視你在generation那裡的設定而定)

[plasticsuper]

你可以一直按「確定」讓程式一直跑，但要知道一件事：不一定會有最佳解，也就是penalty=0的解。

當你玩夠了，就按「取消」吧，這樣程式就會跳回原先的畫面。

在這裡，你必需等個約十秒吧，畫面才會變成如下圖，多了二個功能。這十秒是讓程式把結果寫入資料庫用的，要有點耐心喔。



按一下「觀看排班結果」，選擇人員看他的值班日。

[plasticsuper]

你可以切換回去看一下「阿明」的排班意願(如下圖)，了解是否有達成

[plasticsuper]

再看一下「值班同仁之姓名」

這是讓你了解誰跟你同值班？有沒有跟討厭的人同班？亦或跟美女帥哥同班？



其餘功能不多說了，不要剝奪你們自行摸索的樂趣

[plasticsuper]

接下來看功能表最右邊那項「排班結果分析」



這個表算是一個總覽表，可以讓你很快了解某個班表的良窳優缺。

(1)裡頭有個排班編號，之前我們設定20組解，所以這裡會有 1~20個編號，而且每個編號有相對應的「排班懲罰分數」。在此例我們選擇1號，分數119.64這個班表

(1)的右側欄位有所有人的值班天數、週末值班天數、權重等等統計，我們注意一下(2)，全部是0，這表示組員對於那天值班或那天不值班的要求都沒有違反，表示在這方面，這個班表表現不錯。在(3)中，我們可以看到所有人的權重(點數)。大家應有注意到阿花和阿珠點數比平均低了不少，這符合我們之前的設定；但是阿明好像跟平均值差不了多少，所以這個班表在阿明的值班權重上表現並不理想。如果各位回頭看阿明的班表，還會發現有不少連續值班的情形，這也就是為什麼懲罰分數(penalty)沒有達到0，而是119的緣故。

大家可以從1~20選擇可以接受的班表。若是都不能接受，那就得回到「演算法參數設定」調整一下參數

[plasticsuper]

我調整了一下「演算法參數設定」再執行一次程式，得到了更好的結果如下圖



這個班表雖然阿珠有一班違反她的意願，但是全体人員的權重比較接近原先的設定，而且比較沒有連值的情形出現。懲罰分數(penalty)也比第一次的參數設定所得到的最佳解來的低 (87 vs. 119)

總結一下：
1. 此程式是幫你儘量找到最佳解，但不保證
2. 若不滿意某組解，可以改變參數設定重跑，或是用原來的參數多跑幾次
3. 有時候你試了很久很久，還是無法得到滿意的解，這時請重新檢視一下你的要求有沒有什麼不合理處

[Adams]

哈囉各位先進,
大家好！我的朋友也有排班的困擾，在朋友的求助下我也覺得可以交給電腦去
排列組合，看到個先進已經寫出這麼棒程式，真的是太棒了！不知道可不可以請各
位先進們分享一下這個程式，指點一下小弟我。因為我朋友他們的單位有13人，不知道可不可以跟我講怎樣提高人數限制？或則是可以讓我試用第二版的軟體，謝謝各位先進的幫忙，謝謝！

[mtgold]

在試用的過程中，我有幾個問題想請教版主，
1. 目前的試用版本，我沒法更改演算法參數設定中有關連續值班的設定值，不知道是不是我的操作上有錯誤？
2. 有人問我，同一天的連續值班跟跨日的連續值班，有參數可以區分嗎？例如一天內的shift1-shift2對某些人來講會比shift3-shift1好，有參數可以顯現出這兩種連續值班的差異嗎？
3.又同一天的shift1-shift2-shift3跟連到隔天shift2-shift3-shift1之前的差異可以區分嗎？

請不吝賜教，謝謝！

[plasticsuper]

[tzpurple]

為什麼畫面跟你的完全不一樣呢??

[plasticsuper]

這個程式到現在都還有人在下載使用，而且遍及各行各業包括：誠品，台大，成大，中國，台北榮總，中山，香港公開大學，診所等等

2011年後住院醫師和實習醫師的值班也開始受到一些限制，包括連值和值班時數都向美國ACGME規定看齊，我感到很欣慰。

這個程式並沒有做到盡善盡美，有些人要求我加入一些功能，但我現在關心的事不在此，能做的大概就是把C++的原始檔開放讓大家下載修改，縮短有興趣者開發的時間。

另外，類似排班這種NP(non-polynomial)問題，基因演算法並非唯一，甚至不是很好的一種解法，這是我投入一段時間後才知道的事，有志者可以朝ACO (ant colony optimization) , SVM(support vector machine)， Simulated Annealing 這些方法去嘗試或許效果會更好。