本项目聚焦大型医院医疗就诊服务的流程优化与管理方法，以上海瑞金医院为研究场景，针对线上线下医疗资源配置不合理、就诊流程冗杂、患者调度效率低等问题展开研究。通过构建排队博弈模型、MDP（马尔可夫决策过程）模型及 CMDP（约束马尔可夫决策过程）模型，分析患者决策行为与医院资源分配逻辑，结合 Python 仿真与 SimPy 框架验证策略有效性，并开发原型系统实现算法集成与数据管理。研究综合考虑诊前检查、患者回流等实际场景，旨在为医院提供兼具理论深度与实操性的优化方案。

1)资源配置优化：基于患者排队博弈模型，分析线上线下渠道患者选择行为，构建医院收益最大化模型，求解不同负载率与价格组合下的最优资源分配策略，提升资源利用效率。

2)流程效率提升：通过诊前检查流程重构与 MDP 建模，对比传统流程与改进策略的患者等待时间，验证诊前检查对缩短 LOS（患者等待时间）的有效性，优化就诊全流程。

3)智能调度决策：针对患者回流场景，利用 CMDP 模型求解满足首诊时间（TTFT）约束的调度策略，平衡首次诊断及时性与总等待时间，减少人工经验调度的随机性。

4)系统集成验证：开发原型系统实现数据管理、算法仿真与动态参数配置，为医院提供可落地的智能管理工具。

1)  理论模型与策略：建立线上线下资源配置模型，发现医院负载率与价格差异影响最优分配策略（如低负载时侧重线上，高负载时侧重线下）。证实诊前检查可使患者平均等待时间大幅降低，并通过 MDP 求解出 “优先服务检查次数多患者” 的调度策略。另外通过CMDP模型，在兼顾患者首诊时间的前提下，最小化患者平均等待时间。

2)  仿真与验证：基于 Python 与 SimPy 完成多场景仿真，验证模型在不同患者流量下的有效性，其中CMDP优化策略使首诊时间较医院现行策略缩短 23.91%。

3)  原型系统：开发 B/S 架构系统，集成数据库管理、算法仿真与可视化界面，支持实时调度建议与参数调整，为医院提供数字化管理工具。

4)  管理建议：提出 “动态资源分配 + 诊前检查 + 优先级调度” 的组合策略，兼具理论创新与医院管理实践指导价值。