随着国内医疗水平的不断提高和科学技术的高速发展,我国医疗事业的发展已由传统技术设备阶段进入全新的精密设备阶段。由于精密医疗设备在病患信息采集工作中的出色表现,精密医疗设备在医疗机构中的应用率越来越高。然而,精密医疗设备在制造过程中对其组成部件的精密性要求均较高,制作工序的繁琐程度也随之上升,因而精密医疗设备的造价一般都较高。此外,在日常的使用过程中,医疗设备的设备状态会随着时间的推移产生不同程度的磨损,若一台医疗设备的某个零部件发生损害,其对整台医疗设备的影响会随零部件的损害程度而有所不同。当零部件发生轻微损害时,可能会导致诊断结果发生偏差,若某个关键部件完全损害,则极有可能造成整台医疗设备的停机甚至报废。显然,无论从成本控制还是从医患关系而言,精密医疗设备的零部件损害都极易产生不可控的负面影响。为从根源上降低零部件损害的影响,需要制定合理的设备维修计划,以实现故障零部件的及时诊断和设备维修,进而降低医疗设备的设备维护费用,提高医疗设备的使用率和完好率。作为常见的医疗机械设备之一,电子计算机断层扫描（Computed Tomography,CT）凭借其无创性检查和高密度分辨力的特点在各个医疗机构中取得广泛应用,而其对于人体信息采集的核心部件之一——球管的性能直接影响了 CT的图像质量及使用寿命。因此,本文以CT设备为研究对象,进行视情维修,即依据观察到系统恶化程度来判断球管的设备状态条件,从而决定进行预防性更换或关键部位更换。就关键部位更换而言,其决策变量包括检查间隔、部件订购阈值和预防性更换阈值。通过仿真方法和遗传算法,可对以上变量进行联合优化,从而最小化设备系统的单位时间成本。然而,尽管当前的计算机技术已实现计算能力的极大提升,但就计算效率而言,仍存在一定的优化空间。为提升计算效率,需要从两方面着手进行。一方面,数据的随机性和可信度需要通过随机仿真器进行大量的仿真复制工作得以保证。另一方面,最优方案的确定需要在通过随机仿真来评估其优化水平的基础上进行。将二者结合考虑,则不难发现总计算成本增长会很快,当仿真成本较高时,总计算成本的增长情况显得尤为明显。另外,由于随机噪声的存在,对于最优方案的搜索技术可能会被误导,即“看起来的最优”可能不是“真正的最优”。因此,本文采用最优计算预算分配（Optimal Computing Budget Allocation,OCBA）方法,将计算资源有效地分配到每一个仿真实验中,从而有效解决这一问题。至于联合优化问题,本文提出一种遗传算法与OCBA结合的方法,在遗传算法的进化过程中,利用OCBA技术在候选解之间优化分配计算预算,以评估候选解的目标函数。基于实例,最终证明基于OCBA的遗传算法比不适用OCBA的遗传算法更有效,也具有更优的表现。本研究将OCBA技术与传统的遗传算法相结合,在群体中优化分配仿真的计算量来提高整体仿真效率,大大提高计算效率节约计算成本,对于帮助医院节约CT设备维修成本具有重要意义。