手术排程问题：最大化手术室黄金时间利用率并且最小化手术间用时标准差的启发式算法python具体代码，具体条件：有20个手术间，有40种术式。

这个问题属于NP难问题，因此现有的算法无法保证一定得到全局最优解。但是可以使用一些启发式算法来求得近似最优解，如模拟退火算法、遗传算法等。

下面是一个简单的贪心算法来解决该问题，它不一定能得到全局最优解，但是可以得到一个较为合理的解。具体思路是按照手术用时从小到大依次排列手术，然后将其分配到空闲的手术间中，如果没有空闲的手术间，则在已有的手术间中找到用时最短的手术并替换掉。

import numpy as np

# 手术间数量
n_rooms = 20

# 手术数量
n_ops = 40

# 手术用时
op_times = np.random.randint(1, 6, n_ops)

# 初始化手术间时间表
room_schedule = np.zeros((n_rooms,))

# 按手术用时从小到大排序
op_order = np.argsort(op_times)

# 分配手术
for op in op_order:
    # 找到空闲的手术间
    free_rooms = np.where(room_schedule == 0)[0]
    if len(free_rooms) > 0:
        # 优先选择编号最小的空闲手术间
        target_room = free_rooms[0]
    else:
        # 如果没有空闲手术间，则选择用时最短的手术间
        target_room = np.argmin(room_schedule)
    # 分配手术
    room_schedule[target_room] += op_times[op]

# 计算黄金时间利用率和手术间用时标准差
total_time = np.sum(room_schedule)
golden_time = n_rooms * 8 * 60
golden_time_utilization = total_time / golden_time
std_time = np.std(room_schedule)

print("黄金时间利用率：", golden_time_utilization)
print("手术间用时标准差：", std_time)

需要注意的是，该算法只是一种启发式算法，并不能保证得到全局最优解，因此如果要得到更为精确的解，可以考虑使用其他算法，如模拟退火算法、遗传算法等。