郭振起 朱媛媛 鐘永光

摘要：

中國廢棄電器電子產(chǎn)品（WEEE）數(shù)量逐年上升，但尚未完全建立起正規(guī)WEEE回收體系，面臨資源浪費(fèi)和環(huán)境污染問題。基于此，考慮到復(fù)雜交通對WEEE運(yùn)輸?shù)挠绊?，?gòu)建了考慮現(xiàn)實(shí)復(fù)雜交通和節(jié)能減排情形下的WEEE回收網(wǎng)絡(luò)模型，并與理想交通下的WEEE回收網(wǎng)絡(luò)模型進(jìn)行對比。設(shè)計了智能優(yōu)化算法，優(yōu)化WEEE回收網(wǎng)絡(luò)一體化布局求解過程，在保證WEEE回收處理作業(yè)高效完成的前提下，最大限度地降低WEEE回收網(wǎng)絡(luò)建設(shè)成本。最后通過系統(tǒng)仿真驗證了模型與算法的有效性。

關(guān)鍵詞：

廢棄電器電子產(chǎn)品；網(wǎng)絡(luò)設(shè)計；精確重心法；模擬退火算法；遺傳算法

中圖分類號：? F252;U491.1文獻(xiàn)標(biāo)識碼：A

收稿日期：2022-02-05；修回日期：2022-05-12

基金項目：

國家自然科學(xué)基金項目（71974104）

第一作者：

郭振起（1995-），男，山東菏澤人，碩士研究生，主要研究方向為物流與供應(yīng)鏈管理。

通信作者：

鐘永光（1969-），男，山東威海人，博士，教授，主要研究方向為資源環(huán)境政策與管理。

Recycling Network Model of WEEE Considering Complex Traffic

GUO Zhenqi， ZHU Yuanyuan， ZHONG Yongguang

（School of Business， Qingdao University， Qingdao 266100， China）

Abstract：

China's waste electrical and electronic products （WEEE） are increasing year by year. However， the formal WEEE recycling system has not been fully established， facing the problems of resource waste and environmental pollution. Based on this， considering the impact of complex traffic on WEEE transportation， a WEEE recovery network model considering real complex traffic and energy conservation and emission reduction is constructed， and compared with the WEEE recovery network model under ideal traffic. An intelligent optimization algorithm is designed to optimize the solution process of the integrated layout of WEEE recycling network， so as to minimize the construction cost of WEEE recycling network on the premise of ensuring the efficient completion of WEEE recycling. Finally， the effectiveness of the model and algorithm is verified by system simulation.

Key words：

WEEE; network design; precise center of gravity method; simulated annealing algorithm; genetic algorithm

0 引言

中國作為電器電子產(chǎn)品生產(chǎn)、消費(fèi)大國，廢棄電器電子產(chǎn)品（WEEE）數(shù)量巨大，2020年電器電子產(chǎn)品報廢量達(dá)到1.89億臺之多［1］，中國也是其他國家WEEE的主要輸入地。但由于WEEE回收管理體系不完善，中國WEEE回收仍處于經(jīng)濟(jì)利益驅(qū)動下的混亂無序狀態(tài)，WEEE回收利用率低，非正規(guī)回收處理模式不但造成資源浪費(fèi)，帶來嚴(yán)重環(huán)境污染，而且阻礙經(jīng)濟(jì)可持續(xù)發(fā)展［2］。因此，亟需整頓WEEE回收市場，科學(xué)布置WEEE回收、處理站點(diǎn)，合理安排車輛運(yùn)輸，建立節(jié)能環(huán)保、經(jīng)濟(jì)高效的WEEE回收網(wǎng)絡(luò)，提高WEEE回收利用率，達(dá)到節(jié)約資源、保護(hù)環(huán)境的目的。

在可持續(xù)發(fā)展和節(jié)能環(huán)保背景下，如何合理規(guī)劃設(shè)計WEEE回收網(wǎng)絡(luò)、最大限度提高WEEE回收利用率成為相關(guān)學(xué)者的重要研究課題。WEEE回收中心作為WEEE回收網(wǎng)絡(luò)的起點(diǎn)，對其進(jìn)行科學(xué)布置是保證WEEE回收處理活動順利開展的先決條件［3］，針對WEEE回收中心建設(shè)問題，國內(nèi)外學(xué)者提出了一系列行之有效的方法［47］。在中國特有的商業(yè)模式下，基于WEEE回收現(xiàn)狀，亟需建立回收站點(diǎn)，開展WEEE回收宣傳工作，激勵消費(fèi)者參與回收，聚集小批量WEEE，以降低回收成本。

便利的交通網(wǎng)絡(luò)是影響物流設(shè)施選址的重要因素，運(yùn)輸規(guī)劃是WEEE回收網(wǎng)絡(luò)設(shè)計中的關(guān)鍵一環(huán)，合理安排車輛運(yùn)輸是經(jīng)濟(jì)高效地開展WEEE回收活動的有力保障。國內(nèi)外學(xué)者針對逆向物流背景下不同類型的車輛路徑問題（VRP），設(shè)計了不同的智能優(yōu)化算法，為WEEE車輛路徑優(yōu)化提供了寶貴經(jīng)驗［813］。但大多數(shù)學(xué)者并未考慮車輛運(yùn)輸過程中的碳排放問題，少有學(xué)者考慮現(xiàn)實(shí)復(fù)雜交通對車輛運(yùn)輸?shù)挠绊憽?/p>

WEEE回收的本質(zhì)是逆向物流，而逆向物流的特性使得WEEE回收系統(tǒng)的運(yùn)作更加依賴于物流網(wǎng)絡(luò)［14］，因此設(shè)計高效的WEEE回收系統(tǒng)、構(gòu)建智能化WEEE回收網(wǎng)絡(luò)成為WEEE系統(tǒng)化管理的迫切需求。國內(nèi)外學(xué)者針對WEEE回收網(wǎng)絡(luò)優(yōu)化設(shè)計問題進(jìn)行了深入探索，取得了豐碩研究成果［1518］，Shokohyar等［1516］旨在設(shè)計基于可持續(xù)發(fā)展的WEEE回收網(wǎng)絡(luò)。Bo等［17］提出了一個考慮回收價格和政府補(bǔ)貼的WEEE回收網(wǎng)絡(luò)設(shè)計綜合模型。Li等［18］提出了一種經(jīng)濟(jì)高效的WEEE回收網(wǎng)絡(luò)。大多數(shù)研究并未考慮復(fù)雜交通對WEEE回收網(wǎng)絡(luò)優(yōu)化設(shè)計的影響，而考慮復(fù)雜交通的研究主要針對冷鏈物流配送問題［1921］，本文借鑒其刻畫復(fù)雜交通對運(yùn)營成本的影響，將復(fù)雜交通因素引入WEEE回收網(wǎng)絡(luò)模型。此外，少有學(xué)者綜合考慮選址優(yōu)化與路徑優(yōu)化，研究WEEE整體回收流程的協(xié)調(diào)優(yōu)化。

綜上所述，結(jié)合以往研究成果，針對現(xiàn)有研究存在的不足，本文以成本最小化為目標(biāo)，構(gòu)建考慮現(xiàn)實(shí)復(fù)雜交通和節(jié)能減排的WEEE回收網(wǎng)絡(luò)模型，設(shè)計實(shí)現(xiàn)WEEE回收網(wǎng)絡(luò)一體化布局的智能優(yōu)化算法，實(shí)現(xiàn)WEEE設(shè)施選址和運(yùn)輸路徑規(guī)劃的協(xié)同優(yōu)化，實(shí)現(xiàn)WEEE的高效回收處理。

1 模型構(gòu)建

本文通過構(gòu)建兩種不同模式下的WEEE回收網(wǎng)絡(luò)模型進(jìn)行對比研究，一種是考慮現(xiàn)實(shí)復(fù)雜交通的模式1；另一種是理想化交通下的模式2。

1.1 問題描述

本文研究考慮現(xiàn)實(shí)復(fù)雜交通的WEEE回收網(wǎng)絡(luò)設(shè)計問題，回收網(wǎng)絡(luò)包含消費(fèi)者群體、回收站點(diǎn)、回收處理中心三大主體，網(wǎng)絡(luò)設(shè)計要解決選址優(yōu)化和路徑優(yōu)化兩大難題。具體描述為：在選址優(yōu)化方面，首先，將一定區(qū)域范圍內(nèi)的消費(fèi)者均等地劃分為M-個消費(fèi)者群體，并將各消費(fèi)者群體均抽象化為點(diǎn)，根據(jù)消費(fèi)者群體點(diǎn)信息合理選擇N-個位置建設(shè)回收站點(diǎn)，并將M-個消費(fèi)者群體按一定規(guī)則分配給這N-個回收站點(diǎn)（0

1.2 模型假設(shè)

為方便分析和研究，結(jié)合文獻(xiàn)［7］、［13］、［17］、［19］，提出合理假設(shè)：1）回收站點(diǎn)：建設(shè)規(guī)格相同，回收WEEE數(shù)量不超過其存儲能力上限SN*；各回收站點(diǎn)只為其所服務(wù)的消費(fèi)者群體提供WEEE回收服務(wù)；各回收站點(diǎn)運(yùn)營成本與其服務(wù)半徑呈正相關(guān)。2）回收處理中心：建設(shè)規(guī)格相同，WEEE存儲上限均為SQ*且容量充足；運(yùn)輸車輛充足且規(guī)格相同，各運(yùn)輸車輛運(yùn)輸WEEE總重量不能超過其載重上限W1。3）其他：消費(fèi)者群體處的WEEE有30%能夠流入正規(guī)回收渠道，被回收站點(diǎn)回收；各運(yùn)輸車均從其所屬回收處理中心出發(fā)，完成運(yùn)輸任務(wù)后返回其所屬回收處理中心。

1.3 符號定義

M=1，2，…，M-為消費(fèi)者群體集合；N=1，2，…，N-為回收站點(diǎn)集合；SM=SM1，SM2，…，SM表示M-個消費(fèi)者群體處WEEE的集合，其中SMi=1，2，…，S-Mi為消費(fèi)者群體ii∈M處WEEE的集合；SN=SN1，SN2，…，SN表示N-個回收站點(diǎn)回收WEEE的集合，其中SNi=1，2，…，S-Ni為回收站點(diǎn)ii∈N處WEEE的集合；Q=1，2，…，Q-為回收處理中心備選位置集合；L=1，2，…，L-為回收處理中心建設(shè)位置集合；A=A1，A2，…，AL-為回收處理中心運(yùn)輸車輛集合，其中Ai=1，2，…，A-i為回收處理中心ii∈L運(yùn)輸車輛集合；ei，ji∈N，j∈M為0，1變量，當(dāng)消費(fèi)者群體j被回收站點(diǎn)i服務(wù)時為1，否則為0；qii∈Q為0，1變量，當(dāng)選擇在備選位置i處建設(shè)回收處理中心時為1，否則為0；hiai∈N，a∈A為0，1變量，當(dāng)車輛a運(yùn)輸回收站點(diǎn)i處的WEEE時為1，否則為0；G=N∪L，O表示一個有向網(wǎng)絡(luò)節(jié)點(diǎn)集合，其中N∪L是點(diǎn)集，O=i，j|i，j∈N∪L，i≠j是弧集。

2 算法設(shè)計

本文算法設(shè)計的創(chuàng)新在于將精確重心法、模擬退火算法和遺傳算法進(jìn)行有機(jī)結(jié)合，三種算法各司其職又相互協(xié)調(diào)。精確重心法適用于解決設(shè)施選址問題，回收站點(diǎn)服務(wù)于消費(fèi)者，消費(fèi)者處WEEE數(shù)量和站點(diǎn)與消費(fèi)者之間的距離是影響其選址的兩大因素，利用精確重心法，能夠充分考慮兩因素對選址位置的影響。模擬退火算法同樣適用于解決設(shè)施選址問題，與精確重心法不同，模擬退火算法只能在現(xiàn)有備選位置中選出最佳組合方案，而在本文研究中，回收處理中心備選位置確定，要找出其最佳組合方案。遺傳算法能夠較好地解決車輛路徑優(yōu)化問題。在仿真實(shí)驗中，三種算法相互協(xié)作，精確重心法將得到的回收中心位置等信息傳遞給模擬退火算法，模擬退火算法接收信息并進(jìn)行回收處理中心選址，在模擬退火算法中嵌套遺傳算法，進(jìn)行車輛路徑優(yōu)化，具體協(xié)作過程可參見圖1。三種算法作為一個整體，基于成本最小化的目標(biāo)，協(xié)調(diào)選址優(yōu)化和路徑優(yōu)化過程，實(shí)現(xiàn)WEEE回收網(wǎng)絡(luò)一體化布局。具體實(shí)現(xiàn)大致分為三個階段。

第1階段算法具體實(shí)現(xiàn)過程：1）讀取各消費(fèi)者群體的位置、平均每天產(chǎn)生WEEE數(shù)量等基本信息，確定回收

站點(diǎn)建設(shè)數(shù)量N-。2）搜索消費(fèi)者群體點(diǎn)邊界，在邊界范圍內(nèi)隨機(jī)生成N-個回收站點(diǎn)，得到各回收站點(diǎn)初始建設(shè)位置。3）確定各回收站點(diǎn)所服務(wù)的消費(fèi)者群體。從第一個回收站點(diǎn)開始，計算該回收站點(diǎn)與各消費(fèi)者群體點(diǎn)的歐氏距離，在不超過該回收站點(diǎn)存儲上限的情況下，將距離該回收站點(diǎn)更近的一批消費(fèi)者群體分配給該回收站點(diǎn)，以此類推，直到將M-個消費(fèi)者群體分配給N-個回收站點(diǎn)為止。4）確定回收站點(diǎn)最佳建設(shè)位置。以各消費(fèi)者群體點(diǎn)平均每天產(chǎn)生的WEEE數(shù)量為權(quán)重，利用精確重心法進(jìn)行Nc次迭代運(yùn)算，得到各回收站點(diǎn)最佳建設(shè)位置。5）確定回收站點(diǎn)服務(wù)范圍。以回收站點(diǎn)建設(shè)位置為圓心，以該回收站點(diǎn)與其所服務(wù)的距離最遠(yuǎn)的消費(fèi)者群體之間的距離為服務(wù)半徑，確定回收站點(diǎn)服務(wù)范圍。6）統(tǒng)計回收站點(diǎn)建設(shè)位置、服務(wù)半徑、建設(shè)成本等信息，進(jìn)入第2階段。

第2階段具體實(shí)現(xiàn)過程：1）設(shè)置相關(guān)參數(shù)。初始溫度T0，終止溫度T1，降溫退火過程中變化的溫度T，降溫系數(shù)γ。2）搜索回收站點(diǎn)邊界，在邊界范圍內(nèi)隨機(jī)生成Q-個回收處理中心備選位置。3）基于模式1，引入調(diào)節(jié)系數(shù)，得到回收站點(diǎn)之間、回收站點(diǎn)與回收處理中心之間的路徑距離、車輛行駛速度、車輛通行時間。對應(yīng)地，在模式2算法中不作處理。4）生成初始解，并將其視為當(dāng)前最優(yōu)解，得到L-個回收處理中心的初始建設(shè)位置。5）對前解進(jìn)行擾動，產(chǎn)生新解。隨機(jī)交換兩個不同位置上的0、1數(shù)字，產(chǎn)生新解。需特別指出，各解均包含回收處理中心建設(shè)位置信息，一旦建設(shè)位置確定，N-個回收站點(diǎn)將被平均分配給L-個回收處理中心，由回收處理中心為其所服務(wù)的回收站點(diǎn)提供WEEE運(yùn)輸服務(wù)。6）判斷新解是否優(yōu)于當(dāng)前最優(yōu)解。假設(shè)新解與當(dāng)前最優(yōu)解對應(yīng)的成本之差為ΔC，若ΔC<0，則接受新解為當(dāng)前最優(yōu)解，否則依概率e－ΔC/T判斷是否接受新解。7）循環(huán)一次溫度降低一次，溫度變化公式為T=T－γ，判斷是否降至終止溫度，若未降至終止溫度，則繼續(xù)執(zhí)行5）、6）過程，否則輸出最優(yōu)結(jié)果統(tǒng)計信息，進(jìn)入第3階段。

第3階段，在第2階段模擬退火算法中嵌入遺傳算法。在模擬退火算法中，每個解均對應(yīng)一種回收處理中心選址方案，在各方案下利用遺傳算法搜索WEEE最佳運(yùn)輸方案。整體上以成本最小化為目標(biāo)，搜索回收處理中心選址和WEEE運(yùn)輸?shù)淖罴呀M合方案。具體實(shí)現(xiàn)過程：1）設(shè)置相關(guān)參數(shù)。種群規(guī)模NP，個體基因數(shù)量N-，交叉概率Pc，變異概率Pm，迭代次數(shù)Ng。2）初始化種群，隨機(jī)生成NP個基因數(shù)量為N-的個體。個體基因序列包含以下信息：回收處理中心服務(wù)哪些回收站點(diǎn)，其調(diào)派運(yùn)輸車輛訪問所服務(wù)回收站點(diǎn)的順序。3）個體適應(yīng)度計算。成本越小，則對應(yīng)個體越優(yōu)異，其適應(yīng)度也越高，本文以車輛運(yùn)營成本、車輛運(yùn)輸成本以及碳排放成本之和的倒數(shù)作為個體適應(yīng)度。4）運(yùn)用輪盤賭選擇策略從前一代種群中選出將要進(jìn)行交叉遺傳的NP個個體，組成交叉種群。5）交叉遺傳操作。從交叉種群中隨機(jī)選出父代和母代個體，依交叉概率Pc進(jìn)行交叉遺傳操作。為保證交叉子代種群的多樣性，對算法進(jìn)行改進(jìn)，具體實(shí)現(xiàn)：如圖2所示，各回收處理中心均對應(yīng)著個體基因序列的某個片段，即各回收處理中心都有其所服務(wù)的回收站點(diǎn)。所以本文以選擇回收處理中心的方式，選出將要進(jìn)行交換的基因片段，此方法不但能夠保證優(yōu)良基因片段得以傳承，而且可以更加高效地完成順序交叉過程。交叉遺傳過程如圖2所示。

6）變異操作。交叉子代種群中的個體依變異概率Pm進(jìn)行染色體變異，產(chǎn)生變異子代種群。本文采用隨機(jī)交換個體染色體上兩處不同位置基因的方式進(jìn)行個體染色體變異操作。7）對變異子代種群進(jìn)行個體適應(yīng)度計算，從中選出新的最優(yōu)個體，并將該個體與當(dāng)前最優(yōu)個體進(jìn)行比較，判斷是否接受該新個體為當(dāng)前最優(yōu)個體。 8）判斷是否滿足遺傳算法停止條件，若不滿足，則繼續(xù)執(zhí)行3）～7）過程，否則退出遺傳算法，繼續(xù)執(zhí)行模擬退火算法。

3 仿真分析

以一個900萬人口的城市為實(shí)驗對象，首先，將人員劃分為2 000個消費(fèi)者群體，其次，根據(jù)消費(fèi)者群體統(tǒng)計信息確定回收站點(diǎn)建設(shè)數(shù)量及最佳建設(shè)位置；再次，考慮在10個備選位置中選取3個建設(shè)回收處理中心；最后，搭建起這座城市的WEEE回收網(wǎng)絡(luò)。由于實(shí)驗所需信息眾多，數(shù)據(jù)量龐大，所以本文采取查閱文獻(xiàn)、考查調(diào)研等方式獲取所需數(shù)據(jù)的數(shù)字特征，利用算法模擬生成所需數(shù)據(jù)。

3.1 參數(shù)設(shè)置和數(shù)據(jù)展示

結(jié)合現(xiàn)實(shí)情境，參考文獻(xiàn)［7］、［9］、［13］、［19］參數(shù)設(shè)置，本文模型相關(guān)參數(shù)設(shè)置如表1和表2所示。迭代次數(shù)Nc=20，初始溫度T0=300，終止溫度T1=0，降溫系數(shù)γ=1；迭代次數(shù)Ng=500，種群規(guī)模Np=80，交叉概率Pc=0.9，變異概率Pm=0.1。本文算法采用Visual Studio 2017中的C++編程模塊編寫。為避免算法一次運(yùn)行所得結(jié)果的特殊性，對算法進(jìn)行20次獨(dú)立運(yùn)行，從中選取最優(yōu)的一次運(yùn)行結(jié)果進(jìn)行統(tǒng)計分析。

3.2 回收站點(diǎn)選址及建設(shè)運(yùn)營結(jié)果

本文主要探討復(fù)雜交通對WEEE回收網(wǎng)絡(luò)建設(shè)的影響，為避免其他因素干擾，保持兩種模式下的回收站點(diǎn)選址建設(shè)方案相同。經(jīng)過統(tǒng)計匯總與對比分析，發(fā)現(xiàn)在第15次運(yùn)行時得到的回收站點(diǎn)建設(shè)營運(yùn)方案最優(yōu)。該方案顯示：要滿足消費(fèi)者群體日常需求，需建設(shè)106個回收站點(diǎn)，建設(shè)運(yùn)營總成本為10 425 543.96元，回收存儲能力為10 600件，回購10 109件WEEE需花費(fèi)355 277元。

根據(jù)消費(fèi)者群體點(diǎn)及回收站點(diǎn)最佳建設(shè)位置信息，繪制如圖3所示分布圖，得到相對位置信息。如圖4所示，在經(jīng)過20次迭代運(yùn)算之后，回收站點(diǎn)選址位置逐漸趨于穩(wěn)定。

3.3 兩種不同模式的對比

3.3.1 兩種不同模式的數(shù)據(jù)對比

對比兩模式下的相關(guān)數(shù)據(jù)，表3、表4分別展示了兩種不同模式下，部分回收站點(diǎn)間的距離，表5展示了模式1情形下，部分回收站點(diǎn)間運(yùn)輸車輛的行駛速度，而在模式2下，運(yùn)輸車輛行駛速度恒為45 km/h，顯然不符合現(xiàn)實(shí)。考慮現(xiàn)實(shí)復(fù)雜交通狀況，對模式2進(jìn)行調(diào)整，得到符合現(xiàn)實(shí)情形的模式1。

3.3.2 兩種不同模式的運(yùn)算結(jié)果對比

1）兩種不同模式下的成本對比。

如表6所示，雖然是否考慮現(xiàn)實(shí)復(fù)雜交通只會對車輛運(yùn)輸活動所產(chǎn)生的成本造成影響，但對于WEEE回收網(wǎng)絡(luò)設(shè)計的影響是全面的?，F(xiàn)實(shí)復(fù)雜交通不僅對車輛路徑優(yōu)化造成直接影響，而且通過影響設(shè)施選址對車輛路徑優(yōu)化造成間接影響，這些影響最終會在車輛運(yùn)輸活動所產(chǎn)生的成本中得以體現(xiàn)。

2）兩種不同模式下的算法迭代效果對比。由于兩種模式下的總成本差異主要在于車輛運(yùn)輸過程中的成本差異，所以選擇車輛運(yùn)營成本、運(yùn)輸成本及碳排放成本之和Ctra來演示算法迭代過程。由圖5可知，模式1在第284次迭代時取得全局最優(yōu)解，而模式2在第88次迭代時取得全局最優(yōu)解。由圖6可知，模式1在第259次迭代時取得全局最優(yōu)解，而模式2在第59次迭代時取得全局最優(yōu)解。兩模式下的成本Ctra均隨各自最優(yōu)解的變化而變化，最終趨于穩(wěn)定，不同模式下的成本Ctra下降幅度均較大，說明有效的路徑優(yōu)化能夠大幅降低成本。車輛路徑優(yōu)化方案會因現(xiàn)實(shí)復(fù)雜交通狀況發(fā)生變化，進(jìn)而引起運(yùn)輸過程中的成本變化。

3）兩種不同模式下的最優(yōu)結(jié)果對比。根據(jù)運(yùn)算結(jié)果，在10個回收處理中心備選位置中，模式1選擇在位置4，5，8三處建設(shè)回收處理中心，模式2選擇在位置3，5，8三處建設(shè)回收處理中心。假設(shè)三個回收處理中心的編號依次為①，②，③，則在不同模式下，回收處理中心調(diào)派運(yùn)輸車輛運(yùn)輸WEEE的最佳運(yùn)輸路徑如表7所示。

由表7可知，在同一模式下，不同回收處理中心所服務(wù)的回收站點(diǎn)不同，在不同模式下，同一回收處理中心所服務(wù)的回收站點(diǎn)也不同，這就導(dǎo)致回收處理中心回收的WEEE存在差異。

兩種不同模式下各回收處理中心所承擔(dān)的成本如表8和表9所示。

綜上所述，相對于模式2，模式1下考慮現(xiàn)實(shí)復(fù)雜交通網(wǎng)絡(luò)中不利因素的影響，算法程序更加復(fù)雜，運(yùn)行時間更長，迭代收斂速度更慢，車輛運(yùn)輸過程中的成本更高，WEEE回收網(wǎng)絡(luò)建設(shè)總成本也更高，但模式2下的WEEE回收網(wǎng)絡(luò)建立在一種理想化的狀態(tài)之上，無法準(zhǔn)確刻畫現(xiàn)實(shí)場景，相比之下，模式1充分考慮現(xiàn)實(shí)復(fù)雜交通，規(guī)劃的WEEE回收網(wǎng)絡(luò)建設(shè)方案更符合現(xiàn)實(shí)情境，實(shí)用性更強(qiáng)，能夠有效指導(dǎo)實(shí)踐。

與之前學(xué)者所建立的模型相比，本模型存在一定的創(chuàng)新優(yōu)勢。首先，在WEEE回收方面，從宏觀角度整體布局，實(shí)現(xiàn)WEEE設(shè)施選址和車輛運(yùn)輸路徑的協(xié)同優(yōu)化，構(gòu)建高效WEEE回收網(wǎng)絡(luò)。其次，考慮現(xiàn)實(shí)復(fù)雜交通對車輛運(yùn)輸?shù)挠绊?，使得運(yùn)輸路徑的優(yōu)化方案更加合理。再次，考慮交通狀況影響的模型多研究正向物流，而在逆向物流中，交通狀況對車輛運(yùn)輸?shù)挠绊懲瑯又档每紤]。

4 結(jié)語

WEEE回收潛力巨大，亟需設(shè)計可持續(xù)WEEE回收網(wǎng)絡(luò)，對WEEE進(jìn)行科學(xué)回收處理。本文在考慮復(fù)雜交通和低碳減排的情形下，將WEEE回收、轉(zhuǎn)運(yùn)與處理過程深度融合，構(gòu)建考慮復(fù)雜交通的WEEE回收網(wǎng)絡(luò)模型，并與理想交通情形進(jìn)行對比分析，驗證了考慮復(fù)雜交通的WEEE回收網(wǎng)絡(luò)的合理性與實(shí)用性。設(shè)計了智能優(yōu)化算法，對WEEE設(shè)施選址和運(yùn)輸路徑進(jìn)行協(xié)同優(yōu)化，實(shí)現(xiàn)WEEE回收處理網(wǎng)絡(luò)的一體化設(shè)計。本文的不足在于僅在路徑規(guī)劃階段考慮復(fù)雜交通狀況，在未來的研究中，可嘗試收集大量現(xiàn)實(shí)數(shù)據(jù)，充分結(jié)合實(shí)際，設(shè)計出與現(xiàn)實(shí)緊密結(jié)合的WEEE回收處理網(wǎng)絡(luò)，切實(shí)解決WEEE回收處理問題。

參考文獻(xiàn)：

［1］田暉.中國廢棄電器電子產(chǎn)品回收處理及綜合利用行業(yè)白皮書2020［J］. 家用電器， 2021（6）： 68-87.

TIAN H. White paper on WEEE recycling industry in China2020［J］. Home Appliance， 2021（6）： 68-87.

［2］AWASTHI A K， WANG M， AWASTHI M K， et al. Environmental pollution and human body burden from improper recycling of e-waste in China： a short-review［J］. Environmental Pollution， 2018， 243（Part B）： 1310-1316.

［3］ACHILLAS C， VLACHOKOSTAS C， MOUSSIOPOULOS N， et al. Decision support system for the optimal location of electrical and electronic waste treatment plants： a case study in greece［J］. Waste Management， 2010， 30（5）： 870-879.

［4］TARI I，ALUMUR S A. Collection center location with equity considerations in reverse logistics networks［J］. INFOR， 2014， 52（4）： 157-173.

［5］RIOS-MERCADO R Z， BARD J F. An exact algorithm for designing optimal districts in the collection of waste electric and electronic equipment through an improved reformulation［J］. European Journal of Operational Research， 2018， 276（1）： 259-271.

［6］KUMAR A， WASAN P， LUTHRA S， et al. Development of a framework for selecting a sustainable location of waste electrical and electronic equipment recycling plant in emerging economies［J］. Journal of Cleaner Production， 2020， 277： 122645.

［7］DE AQUINO I R B， DA SILVA J F， GUARNIERI P， et al. The proposition of a mathematical model for the location of electrical and electronic waste collection points［J］. Sustainability， 2021， 13（1）： 224.

［8］NOWAKOWSKI P. A proposal to improve e-waste collection efficiency in urban mining： container loading and vehicle routing problems-a case study of Poland［J］. Waste Management， 2017， 60： 494-504.

［9］NOWAKOWSKI P， KROL A， MROWCZYNSKA B. Supporting mobile weee collection on demand： a method for multi-criteria vehicle routing， loading and cost optimisation［J］. Waste Management， 2017， 69： 377-392.

［10］ NOWAKOWSKI P， SZWARC K， BORYCZKA U. Combining an artificial intelligence algorithm and a novel vehicle for sustainable e-waste collection［J］. Science of the Total Environment， 2020， 730： 138726.

［11］ BATOO K M， PANDIARAJ S， MUTHURAMAMOORTHY M， et al. Behavior-based swarm model using fuzzy controller for route planning and e-waste collection［J］. Environmental Science and Pollution Research， 2021（1）： 1-15.

［12］ 丁鋒， 付亞平， 王偉， 等. 多中心社區(qū)居家養(yǎng)老服務(wù)調(diào)度與服務(wù)網(wǎng)絡(luò)優(yōu)化［J］. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)， 2022， 19（1）： 104-110.

DING F， FU Y P， WANG W， et al. Multi-depot scheduling and service network optimization problem of community home health care［J］. Complex Systems and Complexity Science， 2022， 19（1）： 104-110.

［13］ POURHEJAZY P， ZHANG DA， ZHU Q， et al. Integrated e-waste transportation using capacitated general routing problem with time-window［J］. Transportation Research Part E， 2021， 145： 102169.

［14］ 達(dá)慶利， 黃祖慶， 張欽. 逆向物流系統(tǒng)結(jié)構(gòu)研究的現(xiàn)狀及展望［J］. 中國管理科學(xué)， 2004（1）： 132-139.

DA Q L， HUANG Z Q， ZHANG Q. Current andfuture studies on structure of the reverse logistics system： a review［J］. Chinese Journal of Management Science， 2004（1）： 132-139.

［15］ SHOKOHYAR S， MANSOUR S. Simulation-based optimisation of a sustainable recovery network for waste from electrical and electronic equipment （WEEE）［J］. International Journal of Computer Integrated Manufacturing， 2013， 26（6）： 487-503.

［16］ SHOKOUHYAR S， AALIREZAEI A. Designing a sustainable recovery network for waste from electrical and electronic equipment using a genetic algorithm［J］. Int J? of Environment and Sustainable Development， 2017， 16（1）： 60-79.

［17］ BO Y， WANG Y， WAN Z. Optimizing the weee recovery network associated with environmental protection awareness and government subsidy by nonlinear mixed integer programming［J/OL］. Journal of Advanced Transportation.［2021-12-20］. DOI：10.1155/2019/9858670.

［18］ LI H， LU Y. A Bilevel programming location approach to regional waste electric and electronic equipment collection centers： a study in China［J/OL］. Mathematical Problems in Engineering.［2021-12-30］.DOI：10.1155/2021/6669989.

［19］ 白秦洋， 尹小慶， 林云. 考慮路網(wǎng)中實(shí)時交通的冷鏈物流路徑優(yōu)化［J］. 工業(yè)工程與管理， 2021， 26（6）： 56-65.

BAI Q Y， YIN X Q， LIN Y. The optimization of cold chain logistics route considering real-time traffic in road network［J］. Industrial Engineering and Management， 2021， 26（6）： 56-65.

［20］ 趙志學(xué)， 李夏苗， 周鮮成， 等. 考慮交通擁堵的冷鏈物流城市配送的GVRP研究［J］. 計算機(jī)工程與應(yīng)用， 2020， 56（1）： 224-231.

ZHAO Z X， LI X M， ZHOU X C，et al. Research on green vehicle routing problem of cold chain distribution： considering traffic congestion［J］. Computer Engineering and Applications， 2020， 56（1）： 224-231.

［21］ 蘭輝， 何琴飛， 邊展， 等. 考慮道路通行狀況的冷鏈物流配送路徑優(yōu)化［J］. 大連海事大學(xué)學(xué)報， 2015， 41（4）： 67-74.

LAN H， HE Q F， BIAN Z， et al.Distribution routing optimization of cold chain logistics with consideration of road traffic conditions［J］. Journal of Dalian Maritime University， 2015， 41（4）： 67-74.

［22］ ZHANG S， LEE C K M， CHOY K L， et al. Design and development of a hybrid artificial bee colony algorithm for the environmental vehicle routing problem［J］. Transportation Research Part D， 2014， 31： 85-99.

［23］ OTTMAR R D. Wildland fire emissions， carbon， and climate： modeling fuel consumption［J］. Forest Ecology and Management， 2014， 317： 41-50.

（責(zé)任編輯 李 進(jìn)）