韓偉偉，羅茵琪

(北京郵電大學(xué) 現(xiàn)代郵政學(xué)院，北京 100876)

一、引 言

網(wǎng)絡(luò)購物已經(jīng)成為人們?nèi)粘９ぷ骱蜕钏?，這一購物方式造成快遞產(chǎn)品包裝材料的極大消耗，甚至浪費。2020年，全國快遞業(yè)務(wù)量達830億件，包裝廢棄物接近1 500萬噸，給資源環(huán)境帶來極大壓力[1]。如何快速有效地減少快遞運輸和快遞包裝過程中產(chǎn)生的大量垃圾，已經(jīng)成為整個社會亟待解決的問題。

逆向物流是正向物流的反向流動流，與正向物流相比，逆向物流的結(jié)果具有高度不確定性。開展逆向物流研究，關(guān)鍵是要解決各回收點、回收中轉(zhuǎn)站的選址和它們之間的運輸線路規(guī)劃等問題，快遞包裝逆向物流回收處理網(wǎng)絡(luò)優(yōu)化研究已成為一項十分緊迫的任務(wù)。

Alshamsi 等[2]建立了一個復(fù)雜的逆向物流網(wǎng)絡(luò)規(guī)劃系統(tǒng)，包括設(shè)施位置的選擇、逆向物流中心和再制造設(shè)備的容量設(shè)計以及運輸方法的選擇等。Trochu 等[3]分析了回收點的位置和回收中心的容量以及不確定的需求因素，建立了混合線性規(guī)劃模型，并以最小化成本為目標(biāo)。Ayvaz 等[4]從第三方回收公司的角度建立逆向物流回收網(wǎng)絡(luò)，考慮到逆向物流網(wǎng)絡(luò)設(shè)計優(yōu)化上具有的不確定性因素，提出具有多級、多產(chǎn)品和資源限制的通用兩階段隨機規(guī)劃模型。

國內(nèi)學(xué)者米寧[5]構(gòu)建了兩個模型：一個是基于現(xiàn)有正向物流系統(tǒng)的產(chǎn)品回收網(wǎng)絡(luò)模型，另一個是通過整合和優(yōu)化正逆向物流而構(gòu)建的網(wǎng)絡(luò)模型。岳輝[6]介紹了涉及第三方的逆向物流網(wǎng)絡(luò)的建設(shè)和具體決策，包括重復(fù)使用和再制造兩部分。馬祖軍等[7]分析了再制造物流網(wǎng)絡(luò)系統(tǒng)，提出一種再制造物流優(yōu)化模型，該模型可以最小化再制造物流設(shè)備的投資和運營成本以及設(shè)施之間的運輸成本。Kang等[1]1構(gòu)建了自適應(yīng)環(huán)境影響評估模型，對我國快遞業(yè)包裝廢棄物產(chǎn)生量和快件物流運輸和配送過程中產(chǎn)生的環(huán)境影響(碳排放量)進行估算，并采用情景分析方法和預(yù)測模型對快遞業(yè)減排模式和潛力進行了深入探討和可行性分析。徐娟等[8]提出企業(yè)自營物流回收模式，即自營物流企業(yè)通過建立回收點和再制造中心對循環(huán)箱進行回收、處理、再利用的逆向物流過程，以回收網(wǎng)絡(luò)總成本最低為目標(biāo)函數(shù)，建立混合整數(shù)規(guī)劃模型。慕晶晶[9]采用聚類分析法分析各個地區(qū)的消費水平和居民購買力，并據(jù)此對快遞包裝回收中轉(zhuǎn)站進行等級劃分。程博等[10]針對高?？爝f包裝回收問題建立包含垃圾回收工廠、高?；厥照军c、各寢樓與菜鳥驛站的三級逆向物流網(wǎng)絡(luò)模型，所建模型為整數(shù)模型，運用重心法進行選址決策。黃周[11]構(gòu)建了包含客戶群、快遞回收點、回收中轉(zhuǎn)站以及包裝制造廠四級網(wǎng)絡(luò)節(jié)點的逆向物流網(wǎng)絡(luò)，并利用遺傳算法解決選址決策和流量分配問題。

然而，快遞包裝逆向物流在包裝供求、回收數(shù)量、回收時間和回收質(zhì)量方面還有很多不確定性因素，這為逆向物流網(wǎng)絡(luò)的運行和管理帶來了很大的困難。

一是快遞包裝的供求具有不確定性。在快遞包裝供應(yīng)方面，包裝來源廣泛、數(shù)量較大、種類繁雜、原材料使用壽命各不相同，導(dǎo)致很難對回收的快遞包裝進行快速處理并再次投入使用。在快遞包裝需求方面，很難準確預(yù)測一定時間內(nèi)快遞包裹的數(shù)量，而回收的紙箱作為快遞紙箱的部分來源，其供應(yīng)量如果不足將會影響快遞包裹的交付。因此，提高對快遞包裝交付的期望和對快遞包裝需求量作出準確預(yù)測都與所設(shè)計回收網(wǎng)絡(luò)的有效性有關(guān)。

二是回收數(shù)量具有不確定性。回收數(shù)量的不確定性不僅與快遞包裝交付的不確定性有關(guān)，而且與回收率的不確定性有關(guān)。影響回收數(shù)量的因素主要包括回收價格、回收商之間的競爭、廣告投資的回報率和遍及度、消費者對回收包裝的便利性要求等，這些因素均可能影響到消費者對快遞包裝價格的心理期望，進而影響快遞包裝的回收數(shù)目。

三是回收時間具有不確定性。廣泛的原材料來源、快遞箱的類型、產(chǎn)品生命周期和技術(shù)的更新等因素均會對快遞回收時間帶來影響，進而影響快遞運送、庫存治理和包裝回收成本等。

四是回收質(zhì)量具有不確定性。通常，不同質(zhì)量水平的廢棄物品具有不同的回收方法和不同的再利用價值，回收質(zhì)量的不確定性將影響回收產(chǎn)品的收益和再生數(shù)量?；厥湛爝f包裝的目的是獲得用于再制造的原材料，因此，在回收快遞包裝盒時，有必要確定其是否滿足原材料再生的要求。

在設(shè)計和運行逆向物流網(wǎng)絡(luò)的過程中，存在諸多不確定性因素，決策者無法提供許多參數(shù)的準確值或無法用概率來對其進行描述；因此，有必要在逆向物流過程中使用模糊理論對模糊不確定性進行描述。筆者擬基于快遞的回收數(shù)量、回收處理時間和丟棄率不明確的情況對快遞包裝回收網(wǎng)絡(luò)進行優(yōu)化設(shè)計。

二、模型構(gòu)建

(一)問題描述

快遞包裝將由專門的人員收集到回收點，快遞行業(yè)可以有效利用這些包裝資源，而剩余資源將被運到預(yù)先安排的回收中轉(zhuǎn)站進行統(tǒng)籌處理，從而實現(xiàn)快遞包裝資源的有效回收利用，并最大限度地降低回收成本。

假設(shè)每一個回收中轉(zhuǎn)站都具有足夠的庫存能力，并且在產(chǎn)品的每個回收周期都有足夠數(shù)量的回收車輛從回收中轉(zhuǎn)站出發(fā)，然后到達每個負責(zé)收集工作的快遞包裝回收點，每個回收點的位置是恒定且已知的。車輛根據(jù)最佳運輸路線在快遞回收點之間行駛，到達回收點后對回收的快遞包裝進行簡單處理，然后將其運至回收中轉(zhuǎn)站存放，最后根據(jù)指定的庫存策略對回收的快遞包裝進行統(tǒng)籌處理。

(二)數(shù)量模糊環(huán)境下快遞包裝逆向物流網(wǎng)絡(luò)設(shè)計

1.模型的假設(shè)條件

模型的假設(shè)條件為：

(1)考慮的是單一產(chǎn)品、單一周期的回收；

(2)回收中轉(zhuǎn)站具備充足的庫存容量，擁有足夠的運輸車輛；

(3)在用度方面,重點考慮運輸用度、設(shè)施的固定建設(shè)用度、單位運營的用度等，而不考量時間成本、社會效益等；

(4)已知回收中轉(zhuǎn)站的最大處理能力、單位運營成本；

(5)已知備選的回收中轉(zhuǎn)站和各回收點的地址信息，并選擇此中符合限制條件要求的備選地點進行回收中轉(zhuǎn)站的建設(shè)；

(6)將模型中各回收點快遞包裝的回收量作為模糊變量來處理。

2.模型描述

基于上述假設(shè)，給出該問題建模過程中所需要的參數(shù)和變量定義，即：

i：回收點標(biāo)號，i∈I；

j：回收中轉(zhuǎn)站標(biāo)號，j∈J；

Pj：回收中轉(zhuǎn)站j處理快遞包裝盒的單位處理成本，j∈J；

Qj：回收中轉(zhuǎn)站j對快遞包裝盒的最大處理能力；

Fj：建設(shè)回收中轉(zhuǎn)站j的固定費用；

dst：任意兩點間距離；

m：回收中轉(zhuǎn)站j的丟棄率；

u：快遞包裝盒的殘值；

G：回收車輛的容量；

C：單位距離運費；

k：回收車輛(k=1，2，…，K)；

r：客戶需求點(r=1，2，…，R)；

n：回收點與中轉(zhuǎn)站的集合(n=1，2，…，N)。

決策變量為：

yj：0～1變量，表示備選回收中轉(zhuǎn)站j是否被選中，0表示不被選，1表示被選；

yij：0～1變量，表示中轉(zhuǎn)站j是否為回收點i服務(wù)，0表示不為其服務(wù)，1表示為其服務(wù)；

yik：0～1變量，表示車輛k是否為回收點i服務(wù)，0表示不為其服務(wù)，1表示為其服務(wù)；

ystk：0～1變量，表示車輛k是否經(jīng)過線路(s,t)，0表示不會經(jīng)過，1表示會經(jīng)過；

Xij：經(jīng)回收點i運送到回收中轉(zhuǎn)站j的快遞包裝盒的數(shù)量；

Xjr：經(jīng)回收中轉(zhuǎn)站j運送到客戶需求點r的快遞包裝盒的數(shù)量。

目標(biāo)函數(shù)為

(1)

該模型以總成本最小為目標(biāo)，總成本包括建設(shè)成本、運費和處理成本。每個回收點只能被一個回收中轉(zhuǎn)站服務(wù)，每個回收點只能有一輛車經(jīng)過，任一車輛只能通過一個中轉(zhuǎn)站?；厥拯c流量平衡，回收中轉(zhuǎn)站流量平衡。各回收點到任一回收中轉(zhuǎn)站的總回收量不超過該回收中轉(zhuǎn)站的最大處理能力。在回收路徑上，總回收量不超過車輛容量。回收數(shù)量為非負以及一些0～1決策變量。

由于約束條件中存在模糊參數(shù)，模型中含有模糊參數(shù)的式子沒有明確的意義，對于這類非線性規(guī)劃問題,可以根據(jù)Liu等[12]提出的模糊機會約束規(guī)劃方法將其轉(zhuǎn)化成等價的清晰表達式，進而選擇傳統(tǒng)的求解方法對等價清晰模型進行求解，帶模糊參數(shù)的模糊機會約束規(guī)劃模型可寫成

西雙說，那簡單，現(xiàn)在就可以還你。他將手里的借條折一下，再折一下，然后展開，問羅衫，是不是三等分？羅衫莫名其妙地看著他，搞不懂他接下來會有什么名堂。西雙嗤地從借條上撕下一綹，彈一下，甩給羅衫，說，三萬塊錢的三分之一，正好一萬，還你。

(2)

其中，Pos{·}表示{·}中事件發(fā)生具有的可能性，α和β表示預(yù)先給定的置信水平。

根據(jù)上述理論，可將帶有模糊參數(shù)的數(shù)學(xué)規(guī)劃模型轉(zhuǎn)化成模糊機會約束規(guī)劃模型，即

(3)

其他不含模糊參數(shù)的約束條件則和原模型中的約束沒有差異。此中Pos{·}表示{·}中事件發(fā)生的可能性，機會約束則表示約束條件得以滿足的可能性應(yīng)當(dāng)最少實現(xiàn)預(yù)先確定的置信水平α的限制條件。

為了將式(2)轉(zhuǎn)化為相應(yīng)的等價形式，給出以下定理[13]。

定理1假設(shè)模糊向量ξ退化為一個模糊變量ζ，其隸屬函數(shù)為μ，若函數(shù)的形式為g(x,ζ)=h(x)-ζ，則當(dāng)且僅當(dāng)h(x)≤Kα，Kα=sup{K|K=μ-1(α)}時，Pos{g(x,ζ)≤0}≥α。

(4)

由此可得以下引理。

根據(jù)引理1至引理3，可將約束(3)轉(zhuǎn)化為如下的清晰等價形式：

(5)

(三)時間模糊環(huán)境下快遞包裝逆向物流網(wǎng)絡(luò)設(shè)計

(6)

約束同式(1)，目標(biāo)函數(shù)在此基礎(chǔ)上增加了處理總時間最小這一目標(biāo)。

轉(zhuǎn)化為模糊機會約束規(guī)劃模型，則有

(7)

(8)

(四)丟棄率模糊環(huán)境下快遞包裝逆向物流網(wǎng)絡(luò)設(shè)計

基于上述基本假設(shè)，快遞包裝在回收中轉(zhuǎn)站丟棄率模糊的環(huán)境下，其規(guī)劃模型只需把丟棄率設(shè)置成模糊變量，即

(9)

其他約束同式(1)。

轉(zhuǎn)化為模糊機會約束規(guī)劃模型，則有

(10)

(11)

針對快遞包裝的回收數(shù)量、回收處理時間及回收中轉(zhuǎn)站丟棄率等模糊變量，設(shè)計并優(yōu)化了逆向物流網(wǎng)絡(luò)。為了實現(xiàn)回收成本最小化，采用模糊規(guī)劃方法和模糊模擬技術(shù)確定模糊機會約束規(guī)劃模型，并通過模糊仿真技術(shù)將其轉(zhuǎn)換為等效的確定形式。

(五)模型求解

本研究數(shù)學(xué)模型中的決策變量由兩個部分組成，只要能夠把這些變量確定下來，就能夠確定整個快遞包裝回收逆向物流網(wǎng)絡(luò)的結(jié)構(gòu)，網(wǎng)絡(luò)系統(tǒng)中的總成本則可以通過目標(biāo)函數(shù)求得。筆者將模糊規(guī)劃模型轉(zhuǎn)化為模糊機會約束規(guī)劃模型，再轉(zhuǎn)化為相應(yīng)的清晰等價形式，轉(zhuǎn)化后的模型為清晰的混合整數(shù)規(guī)劃模型，可采用傳統(tǒng)的求解算法和相應(yīng)的軟件進行求解。

0～1變量yj，yij，yik，ystk組成了決策變量的第一部分，用來表示是否選擇建設(shè)物流設(shè)施或者回收點是否被服務(wù)：0表示未被選擇或未被服務(wù)，1表示被選擇或被服務(wù)。Xij，Xjk組成了第二部分決策變量，用來表示各物流設(shè)施之間的物流量。對第一部分決策變量采用二進制編碼方法，取值設(shè)置在0和1之間；而對第二部分決策變量會根據(jù)各物流設(shè)施需求量的不同和物流設(shè)施庫存容量的不同作相應(yīng)的改變。在編碼的選擇上，可以采用混合編碼的方式，設(shè)置為浮點數(shù)編碼，取值為實數(shù)值。

對定位0～1決策變量的取值依據(jù)時間變量隨機選取，同時設(shè)定取值不能全部為0或全部為1。在一個選址變量固定下來的情況下，對于物流分派量決策變量則采用分段賦值并且加以查驗的方式來進行。

步驟1生成的染色體數(shù)目為pop-size個，Vk=(Yj,Yij,Yik,Ystk,Xij,Xjk)，k=1,2，…,pop-size。

步驟2采取模糊模擬方式分別計算出每一個染色體Vk的目標(biāo)Zk，k=1,2，…,pop-size。

步驟3定義排序基礎(chǔ)上的評價函數(shù)。在排序的基礎(chǔ)上選擇評價函數(shù)，對于目前所處該子代中的染色體V1，V2，…，Vpop-size給出一個排序關(guān)系，使染色體按照好壞程度重新進行排序。假如參數(shù)α∈(0,1)提早給定，則評價函數(shù)為eval(Vk)=α(1-α)k-1，k=1,2，…,pop-size。

步驟4經(jīng)由扭轉(zhuǎn)賭輪來選擇染色體的方法實現(xiàn)隨機生成新的種群，每扭轉(zhuǎn)一次都會選擇出一個染色體。

步驟5交叉操作可以對染色體Vk(k=1,2，…,pop-size)進行更新操作。用參數(shù)Pc來表示交叉操作的概率，從k=1到pop-size循環(huán)操作以下過程：數(shù)r是從[0,1]中隨機生成的，若r

步驟6染色體Vk(k=1,2，…,pop-size)經(jīng)由變異操作來進行種群的更新。采用單點變異，定義變異操作的概率為參數(shù)Pm，k從1到pop-size循環(huán)進行下述步驟：從[0,1]中隨機生成數(shù)r，若r

步驟7一直重復(fù)步驟2到步驟6，直到給定的循環(huán)次數(shù)完成為止。

步驟8返回，使目標(biāo)達到最優(yōu)的V*k=(Y*j,Y*ij,Y*ik,Y*stk,X*ij,X*jk)染色體，將其作為最優(yōu)解。

三、算例分析

(一)數(shù)量模糊環(huán)境下的算例分析

1.數(shù)據(jù)收集

為某一快遞企業(yè)構(gòu)造一個快遞包裝回收的逆向物流網(wǎng)絡(luò)，假設(shè)已知該快遞企業(yè)所在區(qū)域有26個回收點(如表1所示)和7個備選回收中轉(zhuǎn)站(編號分別為P1,P2,P3,P4,P5,P6和P7)，各回收點的回收數(shù)量如表2所示。7個備選回收中轉(zhuǎn)站的固定建設(shè)成本分別為50萬、45萬、42萬、53萬、47萬、61萬和67萬元，單位處理成本分別為0.54，0.57，0.59，0.52，0.56，0.51和0.63元，最大處理能力分別為56.4萬、58.2萬、53.8萬、60萬、54.7萬、52.6萬和57.3萬件。

表2 各回收點回收量

各回收中轉(zhuǎn)站的丟棄率均為0.2，不可再用的快遞盒單位殘值為0.3元。模型中，將回收點的回收量設(shè)為梯形模糊數(shù)(Ai1,Ai2,Ai3,Ai4)(如表1所示)，置信水平α為0.9。模糊模擬1 000次，選擇0.6，交叉0.8，變異0.1，種群規(guī)模50，單位距離運輸費用為5元。

表1 回收點的模糊回收量

2.計算結(jié)果

由傳統(tǒng)算法得到的計算結(jié)果可知，P1，P2，P3，P4，P5和P6為最優(yōu)解，此時系統(tǒng)的最小總成本為3 042 685.94元，行駛總距離為1 187 49.23米。由混合智能算法得到的計算結(jié)果可知，P1，P2，P3，P4和P6為最優(yōu)解。其中，P4和P5在一條路徑上，備選點P7沒有被選用，過程和結(jié)果如圖1至圖3所示。此時系統(tǒng)的最小總成本為3 030 951.13元，行駛總距離為114 530.36米。適應(yīng)度收斂曲線如圖4所示。

回收中轉(zhuǎn)站P1的回收線路為P1—1—23—9—10—12—11—P1，行駛距離為27 777.13米。

回收中轉(zhuǎn)站P2的回收線路為P2—18—13—4—2—6—5—P2，行駛距離為20 470.58米。

回收中轉(zhuǎn)站P3的回收線路為P3—22—21—24—25—P3，行駛距離為26 495.98米。

回收中轉(zhuǎn)站P4，P5的回收線路為P4—16—17—14—3—P5—15—19—20—P4，行駛距離為27 644.62米。

回收中轉(zhuǎn)站P6的回收線路為P6—8—26—7—P6，行駛距離為12 142.05米。

4 0003 5003 0002 5002 0001 5001 0005002 0002 5003 0003 5004 0004 5002524P3222112391015P1P2P7P6P51432P412116518134201916177268>DDE(D>D/E(D/;DDC/;+/;?5圖1 模糊模擬隨機解4 0003 5003 0002 5002 0001 5001 0005002 0002 5003 0003 5004 0004 500P72221242523111121092019161714315P5P3P4P1P2P6181342657268>DDE(D>D/E(D/;DDC/;+/;?5圖2 選址過程4 0003 5003 0002 5002 0001 5001 0005002 0002 5003 0003 5004 0004 5002221P324251239P11112105641318P27P68262019P41617141532P5>DDE(D>D/E(DP7/;DDC/;+/;?5圖3 路徑10.09.59.08.58.07.57.06.56.00102030405060708090100+**;EA;A,D82;A,D;A,×105圖4 適應(yīng)度收斂曲線

分析不同的置信水平α對結(jié)果帶來的影響可知，在其他參數(shù)不變的情況下，隨著α的增大，總成本也隨之越大。對比兩種算法的結(jié)果可知，相比傳統(tǒng)算法，混合智能算法所得系統(tǒng)總成本和行駛總距離都更小，在企業(yè)節(jié)約成本方面有著重要意義。

(二)時間模糊環(huán)境下的算例分析

1.數(shù)據(jù)收集

在前節(jié)數(shù)據(jù)的基礎(chǔ)之上，將備選回收中轉(zhuǎn)站的回收處理時間設(shè)為梯形模糊數(shù)(Tj1,Tj2,Tj3,Tj4)，如表3所示，置信水平β=0.9。

表3 回收中轉(zhuǎn)站對快遞包裝的模糊處理時間

2.計算結(jié)果

用混合智能算法計算獲得的結(jié)果如圖5所示，最小成本為3 030 741.86元。從中可以看出，在各回收中轉(zhuǎn)站對快遞包裝的單位處理時間相差不大的條件下，回收處理時間對模型的穩(wěn)定性影響并不大。相較于采用傳統(tǒng)算法得到的計算結(jié)果，選址和回收路線均保持不變，只是各回收點的回收數(shù)量略有差異，可知模型對參數(shù)有較高的穩(wěn)定性。

圖5 回收處理時間模糊環(huán)境下的最優(yōu)路徑

(三)丟棄率模糊環(huán)境下的算例分析

在前節(jié)算例數(shù)據(jù)的基礎(chǔ)之上，采用梯形模糊數(shù)(m1,m2,m3,m4)來表示回收中轉(zhuǎn)站的模糊環(huán)境丟棄率，此處設(shè)置為(0.3,0.4,0.5,0.6)，用混合智能算法計算得到的結(jié)果如圖6所示，最小成本為3 030 729.45元。可以看出，小范疇的丟棄率波動情況對模型的穩(wěn)定性造成的影響不大。結(jié)果顯示，各回收點的快遞包裝回收數(shù)量沒有變動，只是回收路線略有差異，系統(tǒng)魯棒性較強。

圖6 丟棄率模糊環(huán)境下的最優(yōu)路徑

分別采用傳統(tǒng)算法和混合智能算法對實例進行求解。傳統(tǒng)算法是將模糊機會約束規(guī)劃等價地轉(zhuǎn)化為相應(yīng)的確定性模型，然后利用MATLAB軟件求解以取得最優(yōu)的全局解；混合智能算法是融合了模擬仿真和遺傳算法的方法來獲得最優(yōu)解。

比較傳統(tǒng)算法和混合智能算法的計算結(jié)果，分析不同的置信度所帶來的影響，結(jié)果表明：混合智能算法的最優(yōu)定位結(jié)果與傳統(tǒng)優(yōu)化算法所得結(jié)果相同，但混合智能算法獲得的回收點之間的物流量分布更為實用，而傳統(tǒng)算法只能夠得到唯一的定位結(jié)果。

在參數(shù)不確定的情況下，當(dāng)模糊參數(shù)繁雜且難以轉(zhuǎn)化為清晰的等效模型時，選擇混合智能算法是一種十分有效的方法。但對于模糊環(huán)境下快遞包裝回收逆向物流網(wǎng)絡(luò)問題，有時難以確切給出不確定因素的模糊隸屬函數(shù)，且模糊數(shù)中包含著一定的主觀因素。模糊集理論彌補了這一缺陷，模糊數(shù)的設(shè)置更為客觀。因此，現(xiàn)階段進行模糊環(huán)境下再利用逆向物流網(wǎng)絡(luò)設(shè)計問題的研究非常必要。同時，在電子商務(wù)環(huán)境下，企業(yè)可回收廢舊包裝的區(qū)域不限于已劃分的消費區(qū)域，有一些不確定回收源的存在，其位置和快遞包裝回收數(shù)量不能事先確定，應(yīng)重視此類問題的研究。

四、結(jié) 論

基于有關(guān)逆向物流網(wǎng)絡(luò)設(shè)計的現(xiàn)有研究成果，筆者深入分析了不確定條件下逆向物流回收網(wǎng)絡(luò)優(yōu)化的主要問題，并對所構(gòu)建的數(shù)學(xué)模型進行適當(dāng)?shù)那蠼馑惴ǖ难芯亢驮O(shè)計，主要工作如下：建立基于模糊理論的快遞包裝逆向物流回收網(wǎng)格，將各個回收點的回收量、回收處理時間和回收中轉(zhuǎn)站的丟棄率等不確定因素作為模糊參數(shù)，建立模糊機會約束的數(shù)學(xué)規(guī)劃模型，并采納一種混合智能算法對該模型進行求解。通過數(shù)據(jù)仿真驗證了模型和算法的實用性，并指出不同置信度對網(wǎng)絡(luò)優(yōu)化結(jié)果的影響。

為實現(xiàn)快遞包裝材料的再次利用，建立完善的逆向物流回收網(wǎng)絡(luò)并對其進行優(yōu)化處理，是減少資源浪費、減輕環(huán)境壓力、建立友好型社會的重要途徑，有助于創(chuàng)造綠色生活。

對快遞公司而言，回收快遞包裝是企業(yè)節(jié)省成本的有效方法，也是企業(yè)應(yīng)當(dāng)承擔(dān)的社會責(zé)任。在提倡綠色物流成長之時，實現(xiàn)快遞包裝的回收再利用是快遞企業(yè)健康持久發(fā)展的必由之路?？爝f包裝回收問題是一個新的社會熱點，現(xiàn)有研究成果評價目標(biāo)比較單一，大多以成本最小化為目的，在不確定情況下缺少對多目標(biāo)逆向物流體系網(wǎng)絡(luò)的優(yōu)化研究。因此，對不確定性條件下快遞包裹回收的逆向物流網(wǎng)絡(luò)的優(yōu)化問題開展研究意義重大。