مسیریابی پرستاران بهعنوان یکی از مسائل کلیدی در مدیریت عملیات سلامت، نیازمند برنامهریزی بهینه تخصیص بیماران و زمانبندی دقیق ویزیتها با رعایت بازههای زمانی مشخصی است که بیماران باید در آنها تحت مراقبت قرار گیرند. با توجه به پیچیدگی ترکیبی مسئله و محدودیتهای زمانی، ارائه راهکارهای مؤثر و قابلاعتماد اهمیت ویژهای دارد. در این مطالعه، یک مدل برنامهریزی عدد صحیح مختلط توسعهیافته است که تخصیص بیماران به پرستاران و زمانبندی بازدیدها را با در نظر گرفتن این بازههای زمانی بهطور جامع مدل میکند. حل دقیق مدل با استفاده از سالور GLPK و محیط Pyomo انجام شده است؛ اما با افزایش اندازه مسئله، زمان حل این روشها بهشدت افزایش مییابد. بهمنظور مقابله با این چالش، الگوریتم شبیهسازی تبرید مبتنی بر یادگیری طراحی و پیادهسازی شده است که با بهرهگیری از مکانیزمهای یادگیری، بهبود عملکرد جستجو و یافتن راهحلهای با کیفیت بالا را در زمانهای محاسباتی قابلقبول ممکن میسازد. نتایج تجربی نشان میدهد که این روش فراابتکاری، بهخصوص در مسائل بزرگتر، عملکرد بهمراتب بهتری نسبت به روشهای دقیق داشته و توانسته تعادل مناسبی میان کیفیت راهحل و سرعت اجرا برقرار کند. مدل بر روی یک مطالعه موردی واقعی مربوط به بیماران یکی از بیمارستانهای شهر کرمانشاه پیادهسازی شده و نتایج حاکی از اثربخشی عملی مدل در بهبود کیفیت و کارایی خدمات پرستاری است.
