护士排班问题(NRP)是NP困难组合优化问题的代表。 NRP的硬度主要是由于其多种复杂的限制。 文献中提出了几种基于进化算法(EA)框架并与罚函数技术集成的方法来处理NRP中的约束。 但是,这些方法在处理大规模NPR实例时不是很有效,因此需要加以改进。 在本文中,我们研究了在现实环境中的大型NRP,即中国NRP(CNRP),这要求我们在1个月的计划时间内安排许多护士(最多30名)。 CNRP提出了各种约束条件,导致解决方案空间很大,并且存在多个孤立的不可行解决方案区域。 我们为CNRP提出了一个单独的EA。 所提出方法的新颖性是三方面的:(1)使用约束分离将约束分为硬约束和软约束; (2)使用修正的整数规划生成高质量的初始个体(解决方案),然后将随后的EA搜索引向有希望的可行解决方案空间; (3)使用有效的变异算子在受限的可行解空间中快速搜索更好的解。 基于大量模拟的实验结果表明,就目标函数的相同计算时间内的解决方案质量而言,我们提出的方法明显优于几种现有的代表性算法。