Proper planning and scheduling of activities involved in health can improve productivity in this area. In this regard, hospitals are one of the most critical components, and in hospitals, the operating room is one of the most important ones. Since the operating room is a very costly facility, the scheduling of the patients and involved resources is an important issue. In this study, the problem of scheduling and rescheduling of the operating room in a finite horizon is investigated to minimize the total waiting time and tardiness of patients. The constraints in the problem under consideration are the number of surgeons and the number of beds available. Furthermore, emergency patients as well elective patients are considered simultaneously in our proposed model. In addition to operating room scheduling in this study, rescheduling is also done to canceled patients. To further fit the model presented with reality, uncertainties in parameters such as operating time and the number of beds in the post-anesthesia care unit are also considered. In this study, robust optimization is used to deal with uncertainties in the model. After applying the Bertsimas and Sim approach, due to the complexity of the problem under investigation, the genetic algorithm is used to solve the proposed model. To validate the mentioned algorithm, the particle swarm optimization algorithm is selected according to the literature. The results of the comparison show the superiority of the proposed algorithm compared to the particle swarm optimization algorithm in terms of the objective function and running time.

适当规划和安排与健康有关的活动可以提高该领域的生产力。在这方面，医院是最关键的组成部分之一，而在医院中，手术室是最重要的组成部分之一。由于手术室是一个非常昂贵的设施，患者和相关资源的调度是一个重要问题。在这项研究中，研究了有限范围内手术室的调度和重新调度问题，以最大限度地减少患者的总等待时间和迟到。正在考虑的问题的限制是外科医生的数量和可用床位的数量。此外，在我们提出的模型中同时考虑了急诊患者和选择性患者。除了本研究中的手术室安排外，还对取消的患者进行了重新安排。为了进一步使模型与现实相吻合，还考虑了手术时间和麻醉后护理病房床位数等参数的不确定性。在本研究中，鲁棒优化用于处理模型中的不确定性。在应用 Bertsimas 和 Sim 方法后，由于所研究问题的复杂性，使用遗传算法来求解所提出的模型。为了验证上述算法，根据文献选择粒子群优化算法。对比结果表明，与粒子群优化算法相比，该算法在目标函数和运行时间方面具有优越性。还考虑了手术时间和麻醉后护理病房床位数等参数的不确定性。在本研究中，鲁棒优化用于处理模型中的不确定性。在应用 Bertsimas 和 Sim 方法后，由于所研究问题的复杂性，使用遗传算法来求解所提出的模型。为了验证上述算法，根据文献选择粒子群优化算法。对比结果表明，与粒子群优化算法相比，该算法在目标函数和运行时间方面具有优越性。还考虑了手术时间和麻醉后护理病房床位数等参数的不确定性。在本研究中，鲁棒优化用于处理模型中的不确定性。在应用 Bertsimas 和 Sim 方法后，由于所研究问题的复杂性，使用遗传算法来求解所提出的模型。为了验证上述算法，根据文献选择粒子群优化算法。对比结果表明，与粒子群优化算法相比，该算法在目标函数和运行时间方面具有优越性。鲁棒优化用于处理模型中的不确定性。在应用 Bertsimas 和 Sim 方法后，由于所研究问题的复杂性，使用遗传算法来求解所提出的模型。为了验证上述算法，根据文献选择粒子群优化算法。对比结果表明，与粒子群优化算法相比，该算法在目标函数和运行时间方面具有优越性。鲁棒优化用于处理模型中的不确定性。在应用 Bertsimas 和 Sim 方法后，由于所研究问题的复杂性，使用遗传算法来求解所提出的模型。为了验证上述算法，根据文献选择粒子群优化算法。对比结果表明，与粒子群优化算法相比，该算法在目标函数和运行时间方面具有优越性。