BT的参数?_BT_new??_BT?(1?院）。
?n4i?1Tim_Uin4),n4为前去买药的人数（非住
1log((??)/(??1))?3（4）基于上文投资的正效应和负效应的分析,综合考虑二者，??反e3映了应对正负效应的策略，即实际上决定增加或减少投资率。
1log((??)/(??1))EE3EE_new?EE?(G_new?G)??(1?)3Ge
不妨设，EE按科室划分EE?[EE1,...,EE6]，利润分为G?[G1,...,G6]。含义是对应六个科室新设备、增加投资额和投资率可以提高利润率：
[pv_newi]1?6?[pvi?(1?6??EEi)]1?6EE
?HB_new?HB?HBHBi?1(Timi?Fei)HB?HB?HB??i?1(Timi?Fei)HB
参数的变化意味着医疗服务单元数目的增加，由于负指数分布的期望和参数的关系 增加窗口数目和科室数目，会增加医院的成本，从而影响总利润。时间变化后各科室的固定成本为：
G_new??i?1(pmj?pv_newk)i,j?1,...,12,k?1,...6,j?k或j?k?6COT??_RT?_RT_new?w0??i?112?_SCi?_SC_newi?wi??_BT?_BT_new?w13
w?[w0,w1,..wi.,w12,w13]为挂号窗口，各科室，各科室相关的住院室，买药处增加一个单
元所增加的成本的成本。 基于w和投资的关系，
[w_new]1?14?[w0,...,wj?(1?6??HBEEi),...,w13]1?13,j?1,...,12,i?1,...,6,1?j/i?2 EE
G_new??i?1(pmj?pv_newk)i?COT,j?1,...,12,k?1,...6,j?k或j?k?6根据公式(1)和公式(2)计算
?_new和?_new从而有
OP_new?G_new??_new
2.4.3 优化意义
本文的优化算法是针对多变量要素且要素间依赖性强的一种自适应算法（苛刻算法），能够收敛到一个较好的解。这种自适应算法是基于患者这类主体的苛刻态度去研究医院运作
指标的，具有一种变量不对等性的特性。
模型中时间参数指标的变化反映了对于医疗单元变化的需求；模型费用的变化反映了一个合理的价格设置。
医院的运作整体指标的最优化，考虑了利润和消费者的利益（公益性）。投资率的变化可以看出医院的策略。通过对最后所有调整的变量进行分析，可以找到最能影响医院运作总体满意度的一些变量，即主成分分析。
3 数据
调查南方某医院。下表包括数据来源：观察1小时挂号处排队时间，观察1小时诊断时间，调查2周内不同人住院时间，观察1小时买药处买药时间；计算平均值作为的统计五天各科室到达人数，最后计算平均到达比例。各科室到达比例按天平均估算。调查各项费用。最后计算极大似然估计值。
比例 时间参数?/小时/单个窗口 0.033 0.16 费用参数?1、?2/元 2200 100 2300 70 900 120 1000 160 1500 153 1700 200 6.863 6.563 9.112 7.831 8.332 8.056 7.328 7.989 8.965 7.813 7.965 8.267 10140 20180 30510 45030 30000 20000 19360 40020 17000 40130 35000 60020 66400 12000 成本w/元/天 利润率 患者预期时间/小时 0.05 患者预期平均费用 1700 105 2000 80 890 110 980 161 1300 120 1500 190 0.13 0.12 0.11 0.03 0.13 EEiG Gi 0.03 290930 挂号处 内科诊断 内科类住院 0.025 80 内科类买药 0.255 外科科诊断 0.22 外科类住院 0.011 130 外科类买药 0.259 儿科科诊断 儿科类住院 0.08 儿科类买药 0.08 五官科科诊断 五官科类住院 0.12 五官科类买药 0.04 0.26 0.15 77 0.31 0.23 120 0.22 0.30 40 0.31 0.35 4 0.28 0.3 59 0.23 0.13 100 0.05 0.25 55 0.50 5 0.33 70 0.15 120 0.061 0.1 妇科科诊断 妇科类住院 0.03 妇科类买药 0.12 急诊诊断 急诊住院 急诊买药 买药处 患者 0.01 0.009 4 AnyLogic仿真实验
4.1 仿真平台AnyLogic介绍
我们采用的平台为AnyLogic6.4.1, 采用的编程语言JavaAnyLogic是XJTechnologies公司推出的建模仿真工具。该工具支持多种建模方法: 离散事件建模、系统动力学建模、基于agent 建模、混合建模等。它的应用领域十分广泛，包括: 控制系统、交通、动态系统、制造业、供应链、后勤部门、电信、网络、计算机系统、机械、化工、污水处理、军事、教
TM
育等。AnyLogic 是基于JAVA 编写的,仿真程序可以编译生成Java App lets, 并支持Web 页面上运行。
Anylogic是目前提供专业虚拟原型环境，包含离散、连续、和混合行为模拟，同时又是少数提供了人员行为库的先进仿真模拟平台之一。
TM
TM
4.2 仿真试验
Anylogic中有一个行人类库（Pedestrain Library），用于仿真物理环境中的行人流动问题。行人库包括两个主要部分——环境和行为。环境包括墙、地区、服务、队列等。而行为用流程图来定义。
环境及流程图如下：
初始状态：2个挂号处，内科2个，外科1个，儿科1个，五官科、妇科各一个。
迭代状态：迭代2000次以后，得到一个近似结果，3个挂号处，内科2个，外科2个，儿科2个，五官科、妇科各一个。买药处不变为2个。
5 分析与结论
根据模型参数的变化分析，不仅可以得到科室的个数分析，同时还可以得到费用的变更，利润率的变化和投资比例的变化。我们进行主成分分析，考证数据的意义。
5.1 医院在竞争中的策略-主成分分析
有诸多因素对G的增加起了影响作用。如下表。 单元个数~x1 3 2 费用参数?1、?2/元~x2 G EEi~x3 EEix4 Gi~ 6.915 8.857 9.655 7.263 5.128 6.279 6.132 6.026 7.124 6.661 50240 0.16 43960 0.14 15700 0.05 37680 0.12 43960 0.14 15700 0.05 314000 挂号处 内科诊断 内科类住院 内科类买药 外科科诊断 外科类住院 外科类买药 儿科科诊断 儿科类住院 儿科类买药 五官科科诊断 五官科类住院 五官科类买药 2100 700 2 2200 60 1 800 90 1 1000 130 妇科科诊断 妇科类住院 妇科类买药 急诊诊断 1 1400 143 1 急诊住院 急诊买药 买药处 患者 2 1600 180 6.193 6.163 进行主成分分析。
由于变量的量纲和单位不同，时间和费用没有可比性，所以一需要对变量进行标准化处理。在迭代过程中，记下每个变量的最后20组数据，记向量X的多组值为(X1,...,X20)。标准化公式为X?*X?E(X) 。 SX?[x1,x2,x3,x4]T的20组结果，为Xi?[xi1,xi2,xi3,xi4]T,i?1,2,..,20
记：
?ij?rij?120(xki?xi)(xkj?xj)?k?120?1?ij?ii?jj：
得到样本相关矩阵R?[rij]4?4?? 1 0.45 -0.13 0.77?? 0.45 1 -0.33 0.23R??? -0.13 -0.33 1 0.39?? 0.77 0.23 0.39 1?????? ?????求出R的非零特征值，其中第四到第二特征值根为2.0036、1.4026、0.5139、0.0798，取最大的两个，?3?1.4026,?4?2.0036。由于：
(?3??4)?0.8516?85.16%，即第二第4一主成分贡献率已达85.16%，故只取这两个主成分，?3,?4对应的标准化特征向量分别为：
l3?[?0.052,?0.4809,0.7853,0.3865]Tl4?[0.6621,0.4339,0.0089,0.6109]前两个主成分为：
T
y1??0.052x1?0.4809x2?0.7853x3?0.3865x4y2?0.6621x1?0.4339x2?0.0089x3?0.6109x4
分析主成分的意义，y1代表着患者的满意程度，可看到最受费用的负面影响，同时最受投资量的正面影响，时间和投资率对患者满意程度的影响比较小。
y2代表着医院的运作总体满意度，它受投资率的影响较多，患者的感受-时间和费用也
较大幅度地影响着运作总体满意度。
优化算法揭示了医院公益性的重要性，投资可以带来服务质量的提高，提升医院的竞争力，提高利润。医院应该更加关心投资率和顾客的全部需求，实质上患者更关注费用和医院的投资量。合理的医疗单元十分重要，既不资源浪费又能达到需求，即提升患者的满意度，又能保证利益最大化。
5.2政府政策
政府应该加快医疗体制改革，深化对医院运作总体指标的影响，增强公民的福利性待遇，优化医院的结构和体制，达到资源利用的最大化和效率不断提高。基于投资的意义，政府应该加大对医疗卫生事业的投资，促使医疗体制改革又好又快发展。从模型结果可以看出，患者和医院关注的重点是不一样的，但这对政府制定策略提供了便利—改变对医疗体系的投资结构（诸如加大基础设施建设投资和引进新技术设备的投资）就显得尤为重要。
改进与不足
将科室划分看作是某类疾病的划分，这样从诊断时间和费用上更有差异性。自适应算法的收敛速度和达到局部最优解后能否达到全局最优解还有待研究。数据取自调查所导致的不精确和非官方性，会对结果造成影响。
自适应优化算法（苛刻算法）的实用功效，还有待于在更多实际背景下去检验，但其顾客至上的（苛刻态度）原则对于研究非平等双主体的共赢问题具有一定意义。
参考文献
[1]Lazamu J，Pomeranz BH，Corey PN，et a1．Incidence of adverse drug reactions in hospitalized patients：a meta-analysis of prospective studies[J]．JAMA，1998,279(15)：1200—1205． [2] E Jack Chen，Young M Lee，Paul L Selikson．A simulation study of logisties
activities in a chemical plant[J]．Simulation Modelling Practice and Theory，2002，10(1 1)：235—245．
[3]聂撼．医院门诊流程重组与医院信息化．中国数字医学，2008，2(02)：34—35． [4]冯允成．离散系统仿真．机械工业出版社．1998
[5]郑大钟，赵千川．离散事件动态系统．清华大学出版社，2001