护士是医院日常运营的基础,科学合理地安排护士工作时间不仅能够缓解其压力、提高护理质量,而且能够降低医院的人力资源运营成本,因此护士排班已成为医院管理工作的重要内容之一。但是,由于排班中存在一系列劳动法规约束,外加需要考虑不同护士的能力级别差异,因此,护士排班问题(又称护士调度问题)是极为复杂的组合优化问题,属NP难问题,在国外深受研究关注。近年来已研制出多种基于软计算的方法。但是其中的问题模型具有较强西方国家特点,护士班型和约束条件与国内问题存在较大差异。国内对护士排班问题的研究起步较晚,并且主要是模拟简单的手工排班方式,一般缺乏有效的优化机制,难以综合考虑护士级别差异和各种劳动法规等约束。迄今尚未见针对我国护士排班问题建立的一个完整的带劳动法规约束且能够考虑护士级别差异的问题模型.这正是本研究的主旨之一.由于护士排班是基于已知的护士需求数的基础上进行的,而国内对护士需求数的给定往往是仅仅凭借人的经验手工给出的。因此,为使护士排班方案更具实用价值,本文在进行护士优化排班方法研究之前,首先进行了护士需求预测方法研究。在护士需求预测方法研究方面,首先分析了护士需求数与病人数量的关系,应用时间序列分析方法分别建立了病人数量预测的周期趋势模型和ARIMA模型;然后根据预测模型对病人数量进行了预测,实例验证结果显示:预测的误差分别在7%和5%左右,能够满足医院安排护士的精度要求;最后,基于预测误差最小的一组数据,计算出护士需求数,为随后研制的优化排班方法提供输入数据。在护士优化排班问题研究方面,针对带有一系列劳动法规约束且考虑护士级别差异的护士排班问题,建立了一个完整的整数规划模型,并进一步扩展模型使其能够反映护士请假、对工作时间的偏好以及护士间配合默契程度诸多实际因素,随后设计了一系列变换规则,构造出一个护士优化排班方法。为了克服该算法容易陷入局部最优的问题,又进一步增加的概率规则,研制出基于概率规则的概率下降算法。最后,依据预测模型得到的护士需求数,分别应用下降算法和概率下降算法对基本模型和扩展模型进行求解。实验结果显示,扩展模型比基本模型更人性化,方案的综合评价指标更高;概率下降算法的收敛速度不及下降算法,但是解的质量要远优于下降算法。