熊军华 吴莉莉 沈海莲 邱 阳 赵吉普 牛 珂 张春歌

（华北水利水电大学电力学院，河南 郑州450000）

0 引言

目前，自动化技术发展迅速，其应用也越来越广，而快速发展药系统是自动化药房的核心，其发展快慢决定医院的自动化程度[1]。提高药房上药、出药的速率是加快药房自动化速度的基础，其意义重大[2－4]。固定式货架是目前国内医院药品存储的主要方式，但这种存储方式会使药品存储分散，且空间利用率低[5]。因此，药房自动化的关键要素便是如何提高存取药品的效率，存取药品时间和路径的优化便成为一个关键性的环节。

1 储位分配和模型建立

传统的存储策略主要包括定位存放、随机存放和分类存放[6]。本文主要是通过时间和空间这两个方面对药品路径进行优化的，如下所述：

时间上：将相关性较高的药品集中存放，且根据药品出入库频率的高低合理的安排药品的存放位置，频率高的放在出口近处，反之，则放在出口远处。

空间上：使高度相同的药盒放在同一排，宽度相同的药盒放在同一列，使其在有限的空间内存放更多的药品，从而达到提高空间利用率的目的。

根据以上原则建模，设储药柜总共有m层n列，总高度记为M，总宽度记为N，用坐标的方式表示药槽的位置，即（0,0）为药品出口位置，（1,1）为离出口位置最近的药槽，那么（i,j）i=1,2,3.....m;j=1,2,3....n则为第i层第j列的药槽，设储存的药品种类为s。可列目标函数如下：

其中，k代表的是药品的种类，k=1,2,3.....s。fk代表第k种药品的使用频率，表示第i行第j列的药品离出口的距离。

2 粒子群算法和混沌算法简介

粒子群优化(PSO)算法[7-8]是Kennedy和Eberhart提出的按某种方式迭代的全局随机搜索算法。其中的每个粒子都有自己的飞行速度和当前位置，没有质量和体积，但它们都能够根据自己的个体最优值向着全局最优值迭代，最终找到群体最优解。

在基本粒子群算法中，每个粒子分布的随机性比较大，代入迭代公式后每次求解的值可能不同，且每个粒子的当前速度和位置代入迭代公式更新后，都会产生一个局部最优解，此后所有的粒子都会根据自己的判断力向着这个局部最优解前进，所以此算法早期收敛速度较快，但容易陷入早熟。

混沌算法中混沌是一种运动状态，具有随机性，可以由初始值代入迭代方程得到[9]。此算法主要是利用它的遍历性特点和随机性特点，使之在一群随机化粒子解的范围内进行混沌搜索并迭代更新最优值。混沌算法的基本步骤：第一，随机化一组混沌变量，其数目与优化变量数目相同；第二，使优化变量和混沌变量结合；第三，混沌搜索。

3 仿真结果分析

本文应用两种算法进行仿真，即基本粒子群算法和混沌粒子群算法，并将仿真图形列在同一坐标系中。为了便于比较，本次测试选取粒子种群为100，迭代次数为500，随机采取20个储位进行仿真，其中每一个储位上只能存取一种药品。

仿真结果如图1所示。分析图1，应用基本粒子群算法（绿色曲线）优化路径时，前一段时间（1到90代）收敛效果还可以，但90代以后陷入了局部最优，在250代时突破，使最优解的适应度值再次下降，最终达到4.24。这里只运行了500代，不知后面是否会再次陷入局部最优，所以单纯的粒子群算法不能确保路径的优化最优。于是在粒子群的基础上加入混沌算法，使二者结合（蓝色曲线），从曲线中可以看出，加入混沌算法后，克服了粒子群易陷入局部最优的缺点，且最优的适应度值从4.24降低到3.56，达到稳定值的代数也由250代提前到54代。

可知：采用基本粒子群算法迭代250代后稳定，最佳适应度值为4.24；加入混沌算法后，54代达到稳定，最佳适应度值为3.56。基本粒子群最优路径为：15,6,3,16,11,7,17,14,8,5,19,1,2,4,18,13,9,20,10,12；混沌粒子群最优路径为：15,12,7,8,13,9,20,14,10,2,4,16,3,19,1,5,11,6,18,17。

可见，混沌算法和粒子群算法的融合可以扬长避短，避免粒子陷入局部最优，加快粒子的收敛速度，更好地对粒子的路径进行了调度优化。

4 结束语

本文将混沌算法加入到基本粒子群算法中，克服了粒子群的缺点，并将其应用在自动化药房的路径调度优化当中，通过仿真验证了其可以提高自动化药房存取药品的效率，同时也验证了混沌粒子群算法的优越性。由此可见算法结合后更能发挥本身的优势，混沌粒子群算法也必将扩展到其他方面。

［1］李成群,王伟,贠超,等.自动化药房的现状和新进展[J].机器人技术与应用,2007(5)：27-32.

［2］COLEMAN B.Hospital pharmacy staff attitudes towards automated dispensing before and after implementation[J].Hospital Pharmacy,2001,11(6)：248－251.

［3］杨东,刘妙方,谭志坚,等.住院/门诊整合式药房自动化系统的设计和解决方案[J].临床医学工程,2009,16(11)：10－12.

［4］刘相权,贠超.基于PMAC和PLC的自动化药房出药系统的研究[J].制造业自动化,2008,30(11)：20－22,30.

［5］赵雪峰,贠超,刘相权,等.自动化药房系统调度的优化[J].计算机工程,2009,35(10)：0193-0195.

［6］黄丹华,王肃.基于混合粒子群算法的货位优化分配问题[J].应用科技,2013,40(4)：9－13.

［7］R Eberhart,J kennedy.A new optimizer using particle swarm theory.in：Proc of the 6th int’l Symposium on Micro Machine and Human Science.Piscataway,N J：IEEE Service Center,1995：39-43[Z].

［8］J kennedy,R Eberhart.Particle swarm optimization.IEEE int’l Conf on Neural Networks，Perth，Australia，1995[Z].

［9］高鹰,谢胜利.混沌粒子群优化算法[J].计算机科学,2004,31(8).