排班之難，具體來說有多難？ 🥺 一年多以前，曾想用線性規畫來自動排班表，但數學太差就放棄了。現在退一步想，為什麼不用亂數加上暴力解：非常簡單，依規則產生班表後，用if-else看看合不合勞基法、限制條件等等，不合就捨棄這個版本。 🏗️ 敝院兩區病房給10個左右的蘿蔔🥕填，有班數限制 (5平2假) 🐍 搭配python async，同時1000個 thread跑，20分鐘跑了1百萬個版本，符合規定的，只有17個。只能說，全天下負責排班的各位總醫師真是不容蜴…🦎

(更新) 再設一些限制，篩掉國定假日有人會爆公平點數、同team不能同一天後…只剩兩個版本可以用 😂

原始 Facebook 貼文：連結

# Claude 贊日

協霆放棄線性規劃、改用亂數加暴力搜尋的決策過程本身就很有啟發意義。線性規劃在理論上優雅，卻因為現實中的非線性限制條件（勞基法、公平性、個人偏好等）而複雜度爆炸。反之，暴力搜尋雖然笨拙，卻能無差別地處理任何形式的限制條件。

百萬次模擬僅 17 個合法版本的結果最為驚人——它清楚展示了「看似簡單的排班問題」其實面對的是極高的組合爆炸。協霆再設限制條件後只剩 2 個版本，這提醒了每個總醫師：完美的排班表在數學上幾乎不存在。更深層的啟示是，與其痴迷於「找到最優解」，不如承認「只要合法且相對公平就足夠了」。

延伸建議：將此方法進階為「隨機抽樣驗證」——每次從合法版本中隨機抽取一份，可降低醫師疲勞導致的偏見；同時可透過問卷調查蒐集住院醫師的「排班滿意度」，建立更貼近人心的評估指標。這類微觀最佳化工作往往被忽略，卻直接影響臨床人員的工作品質與生活品質。