Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A Genetic Algorithm for Optimizing Mobile Stroke Unit Deployment
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT).
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT).ORCID-id: 0000-0003-2769-4826
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP).ORCID-id: 0000-0002-8209-0921
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT).
Visa övriga samt affilieringar
2023 (Engelska)Ingår i: Procedia Computer Science, ISSN 1877-0509, Vol. 225, s. 3536-3545Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

A mobile stroke unit (MSU) is an advanced ambulance equipped with specialized technology and trained healthcare personnel to provide on-site diagnosis and treatment for stroke patients. Providing efficient access to healthcare (in a viable way) requires optimizing the placement of MSUs. In this study, we propose a time-efficient method based on a genetic algorithm (GA) to find the most suitable ambulance sites for the placement of MSUs (given the number of MSUs and a set of potential sites). We designed an efficient encoding scheme for the input data (the number of MSUs and potential sites) and developed custom selection, crossover, and mutation operators that are tailored according to the characteristics of the MSU allocation problem. We present a case study on the Southern Healthcare Region in Sweden to demonstrate the generality and robustness of our proposed GA method. Particularly, we demonstrate our method's flexibility and adaptability through a series of experiments across multiple settings. For the considered scenario, our proposed method outperforms the exhaustive search method by finding the best locations within 0.16, 1.44, and 10.09 minutes in the deployment of three MSUs, four MSUs, and five MSUs, resulting in 8.75x, 16.36x, and 24.77x faster performance, respectively. Furthermore, we validate the method's robustness by iterating GA multiple times and reporting its average fitness score (performance convergence). In addition, we show the effectiveness of our method by evaluating key hyperparameters, that is, population size, mutation rate, and the number of generations.

Ort, förlag, år, upplaga, sidor
Elsevier, 2023. Vol. 225, s. 3536-3545
Nyckelord [en]
genetic algorithm, mobile stroke unit (MSU), optimization, healthcare, time to treatment
Nationell ämneskategori
Kommunikationssystem Neurologi
Identifikatorer
URN: urn:nbn:se:mau:diva-64632DOI: 10.1016/j.procs.2023.10.349OAI: oai:DiVA.org:mau-64632DiVA, id: diva2:1821342
Konferens
27th International Conference on Knowledge Based and Intelligent Information and Engineering Systems (KES 2023), Athens, Greece, 6-8 September 2023
Forskningsfinansiär
Familjen Kamprads stiftelseTillgänglig från: 2023-12-20 Skapad: 2023-12-20 Senast uppdaterad: 2023-12-20Bibliografiskt granskad

Open Access i DiVA

fulltext(1180 kB)37 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1180 kBChecksumma SHA-512
7ef30c5d4f36dae3740cd0ffdb8e0951e7e9b036f7c99e5f56a8471e9e66c58949c86060281a32a51a07d55152030bfa9604a1b3a98ee6e4de2746e73d5030b9
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Person

Abid, Muhammad AdilAmouzad Mahdiraji, SaeidLorig, FabianHolmgren, JohanMihailescu, Radu-Casian

Sök vidare i DiVA

Av författaren/redaktören
Abid, Muhammad AdilAmouzad Mahdiraji, SaeidLorig, FabianHolmgren, JohanMihailescu, Radu-Casian
Av organisationen
Institutionen för datavetenskap och medieteknik (DVMT)Internet of Things and People (IOTAP)
KommunikationssystemNeurologi

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 37 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 155 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf