近日，国际期刊《Applied Soft Computing》在线发表了武汉纺织大学管理学院李文莉副教授作为第一作者的研究论文《A reinforcement learning-based adaptive large neighborhood search algorithm for home health care routing and scheduling problem with differentiated service times》（基于强化学习的自适应大邻域搜索算法求解差异化服务时间下的居家养老护理调度优化问题）。武汉纺织大学为论文第一署名单位。

随着人口老龄化程度加深，老年人居家养老护理需求持续增长，有限护理资源如何高效配置成为养老服务运营管理面临的重要问题。现有研究多关注运营成本和服务对象满意度，对护理员个体差异及其带来的服务时间变化考虑不足。实际服务中，同一项护理任务的完成时间不仅取决于任务复杂程度，还受到护理员技能水平及其与老年人熟悉程度的影响。如何将这些差异纳入人员指派、上门顺序和服务时间安排，是提高调度方案适用性的关键。

针对上述问题，研究将基础服务时间、护理员与老年人的熟悉程度以及技能效率共同纳入服务时间测算，构建了以总运营成本最小化为目标的混合整数线性规划模型，在满足预约时间窗、技能匹配等约束的前提下，统筹考虑旅行成本、服务时间成本和护理员启用成本。针对该问题求解难度高的特点，研究进一步提出基于强化学习的自适应大邻域搜索算法HDMAB_ALNS，通过混合策略动态多臂老虎机机制，根据搜索反馈自适应选择移除与修复算子组合，提高居家养老护理调度优化问题的求解质量和求解效率。

研究通过不同规模算例开展数值实验，并与CPLEX求解器、传统自适应大邻域搜索算法及其他强化学习算法进行比较。结果表明，所提算法在解质量、稳定性和计算效率方面具有较好的综合表现。敏感性分析进一步揭示了差异化服务时间对运营决策的影响。研究还发现，护理员与老年人的熟悉程度会影响人员分配和运营成本，预约时间窗较宽时，更有利于发挥熟悉关系带来的服务效率优势。这些结果为护理机构制定人员培训、服务匹配和预约安排策略提供了量化参考。

《Applied Soft Computing》创刊于2001年，由Elsevier出版，是世界软计算联合会（WFSC）的官方期刊。该刊聚焦模糊逻辑、神经网络、进化计算、群体智能及机器学习等方法的应用与融合，关注组合优化、决策支持、工程设计和供应链等领域的复杂现实问题。其2025年度期刊影响因子为7.8，JCR分区为Q1；在2025年中国科学院期刊分区中为计算机科学大类2区TOP期刊。

本研究获得武汉纺织大学校基金特别专项、湖北省高等学校人文社会科学重点研究基地企业决策支持研究中心项目（DSS20251006）、武汉纺织大学校基金（20220609）及研究生创新基金（523058）支持。

文章链接：https://doi.org/10.1016/j.asoc.2026.116685