再生资源回收物流网络优化模型与算法研究

合集下载

物流网络优化模型及算法分析

物流网络优化模型及算法分析随着现代物流业的快速发展，物流网络的优化和效率提升已经成为企业经营的重要议题。

物流网络优化模型及算法是解决该问题的重要工具之一。

该模型和算法的研究对物流效率的提升有着至关重要的作用。

本文将从物流网络模型的概念入手，逐一说明物流网络优化模型及算法的具体内容和方法。

一、物流网络模型的概念物流网络指的是由多个地点和节点组成的物流系统。

该系统包含了各个物流节点之间的联系和物资、信息等的流动关系。

因此，物流网络模型可以将物流系统中的物流节点、物流路径和流量之间的关系以一种图形化的方式进行表达。

物流网络模型不仅包含了物流系统的拓扑结构，还包括了物流系统中的运输成本、存储成本、订单量等关键信息。

基于这些信息，可以通过建立物流网络模型，将物流系统的效率进行量化评估，找到问题所在，进而提高物流效率。

物流网络模型通常包括以下几个要素：1. 物流节点：指物流系统中的存储、加工、装卸、交接等物流活动场所。

2. 物流路径：指在物流节点之间进行物资和信息等的流动的物流路径。

3. 物流模式：指物流系统中的不同运输模式，例如海运、空运等。

4. 运输成本：指物流系统中物流节点之间进行运输的成本。

5. 存储成本：指物流系统中存储和维护物品的成本。

6. 订单量：指物流系统中订单的数量。

二、物流网络优化模型物流网络优化模型是建立在物流网络模型基础上的。

其目的是通过对物流网络模型的数据分析和处理，找到物流系统中运输、存储等环节的瓶颈和不足，从而提高物流效率。

物流网络优化模型通常包括以下几个要素：1. 运输成本：指由于不同物流模式和不同运输需求所产生的运输成本。

2. 存储成本：指由于物流节点存储和维护物品所产生的成本。

3. 服务水平：指物流系统中订单的满足情况。

4. 客户需求：指对物流服务的需求量和种类。

在物流网络优化模型中，需要通过各种数学模型和算法，计算物流网络系统中各个节点之间的距离、时间等信息，以及各个环节所需的时间和成本等。

物流系统优化模型及算法研究

物流系统优化模型及算法研究随着经济全球化的深入发展，物流行业的作用越来越重要。

物流作为一个极为复杂的系统，其各种业务活动需要协同配合，这就需要优秀的物流系统来支撑。

物流系统不仅仅是一种简单的工具，更是一种重要的资源，因此我们需要通过科学的方法来进行物流系统优化，以提高方便性和效率。

1. 物流系统的特征物流系统是由多个环节组成的复杂系统，主要涉及货物、信息和资金的流通。

物流系统包括很多方面，如采购、生产、库存管理、运输、订单处理等等。

这些环节需要在时间、空间和成本等多个限制条件下协同配合，完成物流的过程。

物流系统的特征包括以下几点：管理复杂度高：物流系统中存在大量的关联数据，而这些数据之间相互影响，系统的复杂度非常高，难以通过传统方法进行管理。

决策周期长：物流系统的环节较多，每个环节都需要相应的决策。

不同环节的数据都会影响到其他环节的结果，由此而产生的决策往往需要长时间的反应周期。

资源配合度低：不同业务环节的资源管理存在碎片化的问题。

由于各个环节存在独立的管理体系，导致对某些资源的协同配合度低。

系统性能约束：物流系统的运行速度、吞吐量、响应时间等性能受到一定的限制条件，这些约束条件需要被考虑到系统优化过程中。

2. 物流系统优化的目的物流系统优化的核心目的是增强物流系统的绩效，提高运转效率、降低成本、提高客户满意度和提高企业的竞争力。

物流系统优化的具体目的包括以下几个方面：提高产品质量：物流系统根据不同的业务需求进行优化，提高产品的质量和效率。

降低成本：通过对物流系统进行优化，尽可能的减少各个环节的开销，降低整个物流系统的成本。

提升客户的满意度：针对客户不同的需求，物流系统进行个性化的设计和优化，以更好的满足客户的需求和期望。

提高企业的竞争力：通过不断在物流系统的优化上投入，企业将更有效地向市场提供服务，推动企业的竞争力的提高。

3. 物流系统优化模型物流系统优化是一种非常复杂的过程，需要通过一定的模型来实现。

物流网络优化模型及其应用研究

物流网络优化模型及其应用研究随着全球化的加速和市场竞争的日益激烈，物流服务的重要性越来越显著。

而物流网络是现代物流业的关键基础设施，其优化可以提高物流服务水平、降低物流成本、提高企业效益等，因此已成为了物流行业的研究热点之一。

物流网络优化模型是一种针对物流网络的优化策略。

该模型通过对物流节点、物流路径、物流模式等维度进行分析及风险评估，以此优化物流网络的结构、流程和资源配置等方面的问题。

在不同的业务场景下，物流网络优化模型具有不同的应用形式，主要分为以下三种：物流成本优化模型、物流配送优化模型、物流服务优化模型。

物流成本优选模型是物流网络优化模型中的一个重要分支，其主要解决的问题是如何在不影响物流服务质量的前提下，降低物流成本。

为了实现这一目标，该模型分析了物流网络的基础设施、车辆利用率、线路方案、库存策略等多维度因素，从而得出一个最优的物流成本优化方案。

该模型主要应用于传统物流行业中，例如制造业、贸易业等。

物流配送优化模型是物流网络优化模型的另一个重要分支，其主要解决的问题是如何提高物流配送效率。

在当今日益竞争的商业环境下，物流配送的速度和质量已成为企业不可或缺的核心竞争力。

该模型通过分析供应链的全流程、仓储节点的位置以及订单的优先级等多个因素，得出一个最优的物流配送方案。

该模型主要应用于电商、快递等行业。

物流服务优化模型是物流网络优化模型的第三个分支，其主要解决的问题是如何提升物流服务质量。

在物流服务中，准时、准确、可追溯已成为了用户对物流服务的最基本需求。

该模型通过分析物流节点的服务范围、物流路径的可达程度、物流时效的稳定性等因素，确定最优的物流服务方案。

该模型主要应用于高端零售、冷链物流等行业。

总之，物流网络优化模型是现代物流行业中必不可少的重要研究方向。

其基本研究内容包括需求分析、网络建模、经济分析、决策支持等多个方面。

通过有效的物流网络优化模型，可以实现降低运营成本、提高物流效率、提供更优质的物流服务等多个目标。

回收物流网络多阶段规划方法研究的开题报告

回收物流网络多阶段规划方法研究的开题报告一、选题背景及研究意义当前，随着人们环保意识的增强，回收废弃物品已经成为了一种重要的环保行动。

然而，在回收过程中，物流网络的组织和管理成为了一大挑战。

尤其是废旧家电、废旧汽车等大型物品的回收，需要在物流网络上实现合理的规划与组合，从而保证回收过程的高效性和低成本。

因此，如何规划和设计回收物流网络成为了当前研究的热点之一。

本研究旨在通过研究回收物流网络多阶段规划方法，探索如何提高回收物流网络的效率和经济性，为保护环境、推动可持续发展做出贡献。

二、研究内容及思路本研究主要从以下几个方面入手：1.建立数学模型针对回收物流网络建立数学模型，包括网络结构、运输节点、货物流动、环境因素等因素。

2.多阶段规划方法研究根据建立的数学模型，研究回收物流网络的多阶段规划方法。

从生产、配送、回收三个阶段出发，制定不同的规划策略，综合考虑成本和效益，实现运营优化和资源的最大化利用。

具体包括：（1）制定合理的物流运输方案，减少运输成本。

（2）将回收货物进行分类，优化运输空间，实现最优装载。

（3）采用智能调度系统，优化配送路线和时间，提高配送效率。

（4）综合考虑环境因素，设计绿色物流模式，降低对环境的影响。

3.模型求解和结果分析通过数学建模和算法求解，得出最优方案，并进行结果分析。

同时，对模型的可行性、效应进行评估，为进一步研究提供参考。

三、预期成果1.建立回收物流网络数学模型，实现资源最优利用。

2.采用多阶段规划方法，实现回收物流网络的高效和低成本运营。

3.设计和实现回收物流网络的智能调度系统，提高配送效率。

4.研究回收物流网络对环境的影响，设计绿色物流模式，保护环境。

5.有效解决回收物流网络规划的难点，为回收物品提供更加便捷、高效、环保的服务。

四、研究方法和技术路线本研究主要采用数学建模、优化算法、决策分析等方法，建立回收物流网络的数学模型，利用智能算法对模型进行求解，并对结果进行分析。

废旧汽车回收物流网络中选址―路径优化问题模型构建-精选文档

废旧汽车回收物流网络中选址―路径优化问题模型构建0 引言目前现有文献针对回收物流网络的构建的研究通常是将其细分为优化设施选址和车辆路径两个NP问题分别进行单独研究。

如Kirca和Erkip、Chang和Lin对中转站选址问题进行了研究。

而Angelelli 和Speranza 提出了用带中间设施的周期性车辆路径问题模型进行车辆路径规划。

本文结合废旧汽车在回收过程中的特征，以费用为目标，协同优化中转场和拆解中心选址问题以及车辆运输路径的选择问题。

1 废旧汽车回收物流网络构建废旧汽车回收物流网络构建的最终目标是要保证整个回收系统的固定投资和周期内的运行成本之和最低。

我们将其归纳为混合整数规划问题，由此构建数学模型。

1.1 符号和变量说明：废旧汽车回收物流系统中拆解中心候选点的集合；：废旧汽车回收物流系统中中转场候选点的集合；：废旧汽车回收物流系统中所有回收站点的集合；：废旧汽车回收系统中拆解中心和回收站点的集合；：废旧汽车回收系统中拆解中心和中转场的集合；：废旧汽车回收系统中中转场和回收站点的集合；：废旧汽车回收系统中拆解中心、中转场和回收站点的集合；：所有收集车辆的集合；：所有运输车辆的集合；fh：在拆解中心候选位置h处建立拆解中心的固定费用；fi：在j处建立中转场需要的固定建设费用；ca：收集车辆单位距离的行驶费用；cb：运输车辆单位距离的行驶费用；ph：拆解中心h的拆解能力；pj：中转场j的中转能力；Qa：收集车辆的额定载重量；Qb：运输车辆的额定载重量；N：中转场建成后的使用年限qir：在第r天回收站点i的收集量；dij：从点i到点j的直线距离（其中i∈V，j∈V）；模型变量定义如下：1.2 模型构建'目标函数（3-1）式表示系统中拆解中心建设成本和车辆运行成本最低；约束条件（3-2）式表示每个回收站点仅由一辆收集车辆负责收集；约束条件（3-3）式路径连续约束，表示达到任何节点的车辆必须离开该节点；约束条件（3-4）式为废旧汽车收集车辆容量约束；约束条件（3-5）式保证每辆收集车辆在每条收集路径上只经过一个拆解中心或中转场；约束条件（3-6）式表示拆解中心一旦为某个回收站点服务，则该拆解中心一定建设；约束条件（3-7）式表示中转场一旦为某个回收站点服务，则该中转场一定建设；约束条件（3-8）式表示周期内到达中转场的废旧汽车量不超过中转场的堆放能力；约束条件（3-9）式表示周期内到达拆解中心的废旧汽车量不超过拆解中心的堆放能力；约束条件（3-10）式表示周期内每个中转场只能被访问一次；约束条件（3-11）式表示回收量平衡约束约束条件（3-12）、（3-13）、（3-14）、（3-15）、（3-16）式为保证满足整数约束。

物流网络优化模型及其应用研究

物流网络优化模型及其应用研究一、引言物流网络是指在一定的时空范围内，通过各种交通工具和设施，对货物进行收集、换乘、运输和分配的合理布局和组织体系。

物流网络的优化是提高运输效率、降低成本的重要手段。

本文将探讨物流网络优化模型的研究及其应用。

二、物流网络建模方法物流网络建模是实现物流网络优化的基础和关键。

根据实际需求和情况，可以采用不同的建模方法，如图论、线性规划、整数规划等。

1. 图论方法图论方法是物流网络建模的一种常用方法。

通过将物流网络抽象成节点和边的图结构，可以分析和优化物流网络的布局和运输路径。

例如，最小生成树算法可以用于选择最优的运输路径，最短路径算法可以用于确定两点之间的最短距离。

2. 线性规划方法线性规划方法将物流网络问题转化为可线性规划的数学模型，利用线性规划理论和算法求解最优解。

线性规划方法适用于各种物流网络问题，如最大流问题、运输成本最小化问题等。

3. 整数规划方法整数规划方法是线性规划方法的一种扩展，将变量限制为整数，适用于需要整数解的物流网络问题。

整数规划方法可以用于优化物流网络中的运输路径、仓库位置选择等问题。

三、物流网络优化模型的应用研究1. 运输路径优化物流网络中的运输路径对于整个物流系统的效率和成本影响较大。

通过物流网络优化模型，可以确定最优的运输路径，以降低运输成本和提高送货速度。

优化模型考虑了货物的重量、体积、运输距离等因素，通过数学规划方法找到最优解。

2. 仓库位置选择物流网络中的仓库位置对于物流效率和成本也有重要影响。

通过考虑供应链的特点和需求分布，可以建立物流网络优化模型，确定最优的仓库位置。

模型考虑了供应链的需求、运输距离、运输成本等因素，通过求解模型可以得到最佳的仓库布局。

3. 车辆路径规划车辆路径规划是物流网络优化的一个核心问题。

通过考虑货物的收发地点、运输量、运输时间等因素，可以建立物流网络优化模型，确定最优的车辆路径。

模型可以考虑多种约束条件，如时间窗口、车辆容量等，以确保路线的合理性和效率性。

物流网络优化模型及算法研究

物流网络优化模型及算法研究近年来，随着全球经济的不断发展和物流需求的增加，物流网络的优化成为了一个重要的研究方向。

物流网络优化能够帮助企业提高运输效率，降低成本，提供更好的物流服务。

本文将从物流网络建模的角度出发，探讨物流网络优化模型及相关算法的研究。

一、物流网络建模物流网络是指在特定区域内，将各个生产厂商、分销中心、仓库以及销售点等物流要素通过运输工具连接起来，组成一个相互关联、协同运作的网络系统。

物流网络建模是为了更好地描述和分析这些物流要素之间的关系和运作方式。

1.1 网络拓扑模型物流网络的拓扑模型是指通过节点和边来表示物流要素之间的关系。

节点可以表示生产厂商、分销中心、仓库和销售点等，边可以表示物流运输的路径。

通过建立拓扑模型，可以准确描述物流网络的结构和连接方式，为后续的优化提供基础。

1.2 运输成本模型物流网络的优化往往涉及到运输成本的最小化。

为了建立运输成本模型，需要考虑多个因素，如货物的重量、距离、运输工具的选择等。

该模型可以帮助企业合理规划运输路线和运输方式，以降低物流成本。

1.3 应急响应模型物流网络的运作可能会面临各种不确定性因素，如交通拥堵、天气恶劣等。

为了应对这些不确定性，建立应急响应模型是非常重要的。

该模型可以帮助企业根据实时的需求情况和运输条件，快速调整最优的运输方案。

二、物流网络优化算法为了解决物流网络优化问题，研究人员提出了许多优化算法。

下面介绍几种常见的物流网络优化算法。

2.1 最短路径算法最短路径算法是解决单源最短路径问题的经典算法，它可以用来确定两个节点之间的最短路径。

在物流网络中，最短路径算法可以帮助企业确定货物的最优运输路线，减少运输时间和成本。

2.2 遗传算法遗传算法是一种模拟自然界遗传进化过程的优化算法，能够解决复杂的组合优化问题。

在物流网络优化中，遗传算法可以用来确定多个节点之间的最佳配送路线，使得整体运输成本最小化。

2.3 蚁群算法蚁群算法模拟了蚂蚁在寻找食物过程中的行为，通过信息素的传递和蚂蚁的移动来搜索最优解。

物流网络优化模型的研究与应用

物流网络优化模型的研究与应用随着全球经济一体化步伐不断加快，物流成为推动现代经济发展的重要力量。

物流行业的快速发展和互联网技术的深度融合，使得现代物流更加智能化、自动化、信息化。

物流网络作为现代物流的重要组成部分之一，如何进行优化是每个物流公司都面临的难题。

物流网络优化是一个复杂的问题，涉及到多方面的因素。

物流网络的建立和优化要考虑到运输成本、运输效率、客户需求、以及仓储管理等因素。

如果能够将这些因素综合考虑，设计出一个优化模型，可以帮助企业实现尽可能高效地运营，提高物流效率，降低成本。

物流网络优化模型的研究与应用已经成为物流管理中的一大热点。

目前，关于物流网络优化的研究工作主要有以下几个方面：一、分析物流网络结构物流网络结构是物流网络优化模型研究的基础。

通过对物流网络结构的深入分析，可以识别和定义不同物流网络要素及其相互关系。

不同物流网络要素包括：需求节点、供应节点、中转节点等。

需求节点即为顾客，供应节点即为供应商，中转节点可分为转运中心、围栏仓等。

通过对物流网络结构的分析，优化模型能够更好地考虑到物流网络各要素之间的关系，从而实现高效运营。

二、寻找最优的路径路径规划是物流网络优化的核心问题，主要涉及从源头到目的地的运输路径选择。

在路径规划过程中，需要考虑物流网络的复杂性和随机性，以及交通情况的不断变化。

针对上述问题，优化模型需要对不同的路径寻优方案进行模拟，并选择最优路径。

最优路径的选择需同时考虑运输时间、成本、安全等因素，可以通过运用智能算法，如禁忌搜索、遗传算法等进行求解。

三、实现动态调度实时动态调度是物流企业实现高效运营的关键环节。

运用动态调度方式可以迅速响应市场变化，使物流企业能够快速提供高质量的服务。

针对复杂的物流网络运输问题，动态调度模型可以通过动态改变物流网络中各节点间的联系，选择最优路径和最合适的运输模式等方式来提高整个物流网络的效率和运作水平。

四、优化仓储管理在物流网络优化中，仓储管理是一个重要的环节。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

・
２９０４・
计算机应用研究
第２９卷
回收物流与网络规划问题的相关研究成果有利于较好解
量）最大处理能力、收单价。２或２）含有的参数矩阵、回（中
决再生资源回收物流网络优化问题。但再生资源源于生产和
生活的各个领域，有社会性、类繁多、源广泛、级回收、具种来越
周期、品种多周期、单多品种多周期的再生资源回收物流网络优化问题。关键词：再生资源；回收物流；多品种单周期；网络优化中图分类号：Ｆ４．２５０５文献标志码：Ａ文章编号：１０．６５２１）６２９ — ５０１３９（０２０ —０３０
雷定猷汤，
摘
波王，
娟杨，
威
（．１中南大学交通运输工程学院，长沙４０７；．１０５２广深铁路股份有限公司棠溪站，广州５０１）１６９
要：再生资源回收利用是发展循环经济的有机组成部分，生资源回收物流网络规划问题的研究是再生资再
统运行的前提和基础。在国家发展循环经济、大背景下，生资源回收物流网络优化研究具再
有较强的现实意义与理论参考价值。
国内外学者对回收物流网络规划问题进行了大量的基础
其混为一谈。本文认为，回收物流偏向于社会物资的回收过程；向物流则偏向于企业退货等与企业正向物流相对的物资逆
ｔｇｅｆｒｃｃｉｅｔｒｅｉｓｏｅｙｌｎｇｃｎｅｓ’ ｍａｎｐｒｃｓｉｗｅｎａｉｇｒｌｔｏｓｐ，ｉｄｅｉｎｅｗｏｓａｅｈｅｒｓｉａｇｒｔｉｏｅｓｎｇｐｏｒａｄｍｐｐｎｅａｉｎｈｉｔｓｇｄａｔ —ｔｇｕｔｃｌｏｉｉｈｍｏｔ
（９４）男，１８一，湖南浏阳人，士研究生，博主要研究方向为交通运输营运管理及优化；王娟（９３）女，１８．，湖南邵阳人，博士研究生，主要研究方向为现
代物流与交通运输发展、循环经济；杨威（９１）男，１８一，湖南洞口人，工学学士，主要研究方向为运输管理．一 ’
ｚｏ—ｈｎｈｎＲｉａｏ，ｔ，Ｇａｇｈｕ５０１，ＣｉａｈｕＳｅｚｅａｌｙＣ．Ｌｄｕｎｚｏ１６９ｈｎ）ｗ
Ａｂｔａｔ：Ｒｅｙｌｆｒｎｅｂｅｒｓｕｃｓｉｎｉｔｇａｒｆｔｅｙｌｎｃｎｏ．Ｒｅｅｒｈｎｔｅｎｔｒｌｎｎｆｓｒｃｃｃｉｏｅｗａｌｅｏｒｅｓａｎｅｒｌｐａｔｏｒｃｃｉｇｅｏｍｙｎｇｈｅｓａｃｏｈｅｗｏｋｐａｎｉｇｏ
源回收利用系统运行的前提与基础。在考虑再生资源回收量和需求量波动性的基础上，最小化回收物流总成以
本为优化目标，构建具有回收点、回收中心、集散市场和深加工中心或客户的四层级、多品种单周期再生资源回
收物流网络规划模型。采用基于回收主体综合处理能力及映射关系的解改进优化策略，计两阶段启发式算法设求解模型。算例表明，出的模型与算法能有效制定再生资源回收物流网络布局方案，可推广用于单品种单提且
ｄｉ１．９９ｊｉｎ１０－６５２１．６０３ｏ：０３６／．ｓ．０１３９．０２０．２ｓ
Ｒｅｅｒｈｏｐｉｌｍｏｅｎｌｏｉｍｏｅｙｌｇｓａｃｎｏｔｍａｄｌａｄａｇｒｈｆｒｒｃｃｉｔｎ
ｌｇｓｉｓｎｔｒｌｎｉｇｏｅｅｂｅｒｓｕｃｓｏｉｔｃｅｗｏｋｐａｎｎｆｒｎｗａｌｅｏｒｅ
Ｌｎ —ｏ，ＴＥＩＤｉｇｙｕＡＮＧＢｏ．ＷＡＮＧＪａｕｎ．ＹＡＮＧＷｅｉ
（．ｃｏｌｆａｃ＆ＴａｓｏｔｔｎＥｇｎｅｎＣｎｒｌｏｔｎｅｓｙｈｎｓａ４０７，Ｃｉａ２ａｇｉａｌａｔｔｎＧａｇ１ＳｈｏＴｆｏｒｆｉｒｎｐｒｉｎｉｅｒｇ，ｅｔｕｈＵｉｒｉ，Ｃａｇｈ１０５ｈｎ；．ＴｎｘＲｉｙＳａｉ，ｕｎ — ａｏｉａＳｖｔｗｏ
ｂｉｈｏｒｌｖｌｕｈｔｅｆｕ — ｅ，ｍｕｔｓｅｉｓｓｎｌ —ｙｌｄｌｏｅｗｒｌｎｉｇｏｅｅａｌｒｓｕｃｓｗｈｃｎｌｄｄｒｃｃｉｇｅｌ —ｐｃｅｉｇｅｃｃｅｍｏｅｆｎｔｏｋｐａｎｎｆｒｎｗｂｅｅｏｒｅｉｈｉｃｕｅｅｙｌｉｎｐｉｔｅｙｌｇｃｎｅｓｒｃｓｉｇｃｎｅｓａｄｄｅ－ｒｃｓｉｇｍａｋｔｒｃｓｍｅｎｅｐｉｅ．Ｂｓｄｏｐｉｚｔｎｓａｏｎ，ｒｃｃｉｅｔｒ，ｐｏｅｓｎｅｔｒｎｅｐｐｏｅｓｎｒｅｓｏｕｔｒｅｔｒｒｓｓａｅｎｏｔｎｏｍｉａｉｔ－ｏｒ
０引言
循环经济是一种最大限度地利用资源和保护环境的经济
发展模式。再生资源回收利用是发展循环经济的有机组成部分，而再生资源回收物流网络规划是整个再生资源回收利用系
存方面的研究较多 ’ ，网络规划问题的研究主要集中在固其体废弃物物流和企业逆向物流 ” 叫两个方面。
ｒｎｗａｌｅｏｒｅｅｙｌｇｌｇｓｉｓｉｔｅｐｅｅｕｓｔｎｏｎａｉｎｏｅｙｌｇｏｎｗａｌｅｏｒｅｙｔｍ．Ｇｉｅｅｅｅｂｅｒｓｕｃｓｒｃｃｉｏｉｃｓｈｒｒｑｉｅａｄｆｕｄｔｆｃｃｉｆｅｅｂｅｒｓｕｃｓｓｓｅｎｔｉｏｒｎｒｖｎｔｈａｕｔｆｅｅａｌｒｓｕｃｓｎｅａｄｖｌｉｔ，ａｉｅｍｎｍｌｏａｌｇｔｓｃｓｓｏｔａｏｊｃｖ，ｔｉｐｐｒｍｏｎｏｎｗｂｏｒｅｄｄｍｎｏｔｉｔｎｔｉａｔｌｏｉｉｏｔａｐｍｌｂｔｅｈｓａｅｒｅｅａａｌｙｋｇｈｉｔｓｃｓｉｅｉ
总的来说，国内外既有研究工作主要体现在几个方面：
ａ既有研究一般局限在再生资源回收利用行业立法、）政策制度等宏观、定性的研究，尚未深入至再生资源回收物流的纵深面，乏对再生资源回收物流体系的系统研究。缺ｂ回收物流与逆向物流两者概念混淆不清，数文献将）多
流动。
研究。国外既有研究主要通过分析回收物流网络规划的成本效益 … ，构建混合整数规划、随机规划等模型，研究有毒废料］建筑用混凝土等具体品类物品回收网络规划问、
题，对再生资源回收物流网络规划的相关研究甚少。Ｐｓｖｅｉａｅｈ等人指出此类问题是一个Ｎ —ａＰｈｄ问题，般采用遗传、ｒ一模拟退火等启发式算法进行求解。国内学者专家对回收物流库
Ｃ回收物流网络规划模型的构建尚处在较浅层次，型）模结构及考虑因素较简单，算法研究甚少，往往使用ＬｎｏＬｎｏｉｄ／ｉｇ
软件求解，无法保证有效解决大规模、复杂网络规划问题，且多
数研究成果基于将回收物品的时间、数量、质量等视为确定性因素，与实际不符。
或
Ｔ＇ｓｓｔ
不同回收主体之间关于
流程复杂多变等特征；向物流则主要依赖现有销售网络形逆
ｓｌｅｔｅｍｏｅ．Ｔｅｅａｌｈｗｈｒｐｓｄｍｏｅｎｌｏｉｍａｅｅｏｎｅｆｃｉｅｒｃｃｉｇｌｇｓｉｓｎｔｏｋｏｖｈｄ１ｈｘｍｐｅｓｏｓｔｅｐｏｏｅｄｌａｄａｇｒｈｃｎｄｖｌｐａｆｔｅｙｌｏｉｃｅｗｒｔｅｖｎｔｐａｎｎｆｅｅｂｅｒｓｕｃｓｔａｌｏｂｓｄｔｏｖｈｐｉｌｒｂｅｆｉｇｅｓｅｉｓｓｎｌ —ｙｌ，ｓｇｅｓｅｉｓｌｎｉｇｏｎｗａｌｅｏｒｅ．Ｉｃｎａｓｅｕｅｏｓｌｅｔｅｏｔｒｍａｏｌｍｓｏｎｌ —ｐｃｅｉｇｅｃｃｅｉｌ—ｐｃｅｐｓｎｍｕｔ—ｙｌ，ｍｕｔｓｅｉｓｍｕｉｙｌｅｅｂｅｒｓｕｃｅｙｌｇｌｇｓｃｅｗｒ．ｌｃｃｅｉｌ —ｐｃｅｈ — ｃｅｒｎｗａｌｅｏｒｅｒｃｃｉｉｔｓｎｔｏｋｉｃｎｏｉＫｅｒｓｅｅｂｅｒｓｕｃｓｅｙｌｇｌｇｓｉｓｙｗｏｄ：ｒｎｗａｌｅｏｒｅ；ｒｃｃｉｏｉｔ；ｍｕｔｓｅｉｓｓｇｅｃｃｅｅｗｏｋｏｔｚｇｎｃｌ —ｐｃｅｉｌ — ｙｌ；ｎｔｒｐｉｉｉｎｍｉｎ