4电子商务下闭环供应链物流网络优化模型与算法

供 应链管理 物流 技术2 0 1 4 年第3 3 卷第8 期( 总 第3 1 1 期) d o i ： l 0 3 9 6 9 i s s n 1 0 0 5 1 5 2 X 2 0 1 4 0 8 1 1 4 电子商务下闭环供应链物流 网络优化模型与算法 刘静 ， 毛海军 ， 胡思涛 ( 东南大学交通学院， 江苏南京2 1 0 0 9 6 ) 【 摘要】 针对电子商务环境下部分退货经简单处理可直接进入正向销售渠道的特点， 研究了整合正向物流与逆向物流的反 应型闭环供应链物流网络的优化问题。为了填补关于考虑工厂到顾客间直接配送的反应型闭环供应链物流网络设计问题的研 究空 白， 在考虑网购商品退货特点及初始退货收集点退货收集规模经济性 的基 础上 ， 建立 了确定混合 中心与初 始退货 收集点位 置与数量的闭环供应链物流网络优化模型， 并设计了混合遗传算法对其进行求解。通过算例验证了模型与算法的有效性， 敏感 度分析计算结果表明初始退货收集点库存持有周期为3 天时可产生较大成本节约。 【 关键词】 物流工程； 优化模型； 混合遗传算法； 闭环供应链物流网络； 电子商务； 退货； 直接配送 【 中图分类号 F 7 2 4 6 ； F 2 7 4 ； F 2 2 4 文献标识码】 A 【 文章编号 1 0 0 5 1 5 2 X( 2 0 1 4 ) 0 8 0 3 6 0 0 3 M o d e l a n d Al g o r i t h m i n Op t i mi z a t i o n o f Cl o s e d - 。 l o o p S u p p l y Ch a i n Log i s t i c s Ne t wo r ks i n E-c o m me r c e Env i r o nm e nt L i u J i n g ， Ma o H a ij u n ， H u S i t a o ( S c h o o l o f C o mm u n i c a t i o n s ， S o u t h e a s t U n i v e r s i t y ， N a n j i n g 2 1 0 0 9 6 ， C h i n a ) Abs t r a c t ：I n t h i s p a p e r ，we s t u d i e d t h e o p t i mi z a t i o n p r o b l e m o f t h e r e s p o ns i v e c l o s e d l o o p s u p p l y c ha i n l o g i s t i c s n e t wo r k t h a t i n t e g r a t e d f o r wa r d a n d r e v e r s e l o g i s t i c s p r o c e s s e s ，e s t a b l i s h e d t h e c l o s e d l o o p s u p p l y c h a i n l o g i s t i c s n e t wo r k o p t i mi z a t i o n mo de l t h a t d e t e r mi n e d t h e l o c a t i o n a n d q u a n t i t y of t h e mi x i n g c e n t e r s a n d i n i t i a l r e t u r n s c o l l e c t i o n s t a t i o n s ， d e s i g n e d a h y b rid g e n e t i c a l g o r i t h m f o r i t s s o l u t i o n ， a n d a t t h e e n d ， t h r o u g h a n u me ric a l e x a mp l e ， p r o v e d t h e v ali d i t y o f t h e mo d e l a n d a l g o r i t h m Ke y wo r d s ：l o g i s t i c s e n g i n e e ri n g ；o p t i mi z a t i o n mo d e l ；h y b rid g e n e t i c alg o rit h m；c l o s e dl o o p s u p p l y c h a i n l o g i s t i c s n e r o , ；e c o mme r c e ； p r o d u c t r e t u rn； d i r e c t d i s t rib u t i o n 1 引言 在电子商务营销模式下， 由于商品破损、 商品配送错误、 商品性能不符合顾客预期等原因， 致使在线商品退货率较 高。一般电子商务所售商品退货率远远高于传统商务退货 率 ， 一般类 商品退 货率在 2 0 一 3 0 之 间n ， ， 而 书籍 、 期刊 等商 品平均退货率可达5 0 t 。由于在线销售的特殊性， 大部分电 子商务企业承诺退货退款， 并承担退货物流费用， 这使商品退 货业务成为电子商务企业较大的成本源。S h e a r 等 1 调查发现 与退货商品的相关处理费用大约为5 0 美元 ， 约为外向运输费 用的三倍， 另外， 退货还会降低流动资金 、 增加短期债务、 减少 销售利润等。因此 ， 提高处理退货业务的效率成为电子商务 企业有效降低运营成本 ， 提高企业市场竞争力的重要手段 ， 而 构建完善的退货物流网络是其中的关键环节。 本文主要从电子商务企业的角度研究退货物流， 考虑整 合正向流与逆向退货流的闭环供应链物流网络更合理。关于 闭环供应链物流网络的研究工作已获得了国内外学者的广泛 关注 ， 并取得了一定的研究成果 2 1 ， 但同时考虑工厂到顾客间 直接配送与配送反应效率的闭环供应链物流网络优化问题的 研究成果还 未见报道 。为 了弥 补此研究 空 白， 本文提 出的 电 子商务环境下的闭环供应链物流网络包括以下几个特点 ： 允许工厂到顾客间的直接配送 ； 考虑配送时间与退货距离 限制 ； 退货量与正向需求量成比例， 且部分退货可直接进入 正向销售渠道。本文将建立此闭环供应链物流网络的优化模 型 ， 并设计整合 贪婪相 加法 与单纯形 法的混合遗传算法 ( HG A) 对其进行求解 。 2 问题描述与假设 假定某电子商务企业基于其退货政策考虑 ， 必须对顾客 的退货需求进行处理， 整合正向销售物流与逆向退货物流具 【 收稿 日期 2 0 1 3 1 0 0 4 【 基金项 国家 自然科 学基金项 目( 7 0 9 0 2 0 2 9 ) ； 东南大学基本科研业务费资助项 目( C XL X1 2 _ 0 1 1 6 ) 【 作者简介】 刘静( 1 9 8 1 一) ， 男 ， 湖北钟祥 人 ， 博 士研究生 ， 研究方 向： 物流网络优化。 - 3 6 0 - 刘静， 等： 电子商务下闭环供应链物流网络优化模型与算法 供 应 链 管 理 有较好 的经济性， 其闭环供应链物流网络结构可用 图1 来描 述 。 在构建电子商务环境下闭环供应链物流网络优化模型之 前， 为了研究方便 ， 做如下假设 ： 混合 中心的正 向销售功能 无容量限制； 所有退货都运送到离顾客最近的初始退货收 集点， 设定初始退货收集点的库存持有周期为K天； 顾客的 退货量与正向需求量成正比， 且由于退货产生的诱导需求量 与退货量相等 ； 所退商品根据商品完好性分为可直接销售 商品与非直接销售商品， 其中前者留存在混合中心分 K天进 入正向销售渠道， 后者配送到制造商工厂。 图 1 闭环供 应链 物流 网络 3 符 号设定 3 1 指标设定 F- O )： 工厂 ； = 1 ， 2 ， ， m ： 备选混 合 中心地 址集 ； ， = 1 ， 2 ， ， n ： 备选初始退货收集点地址集； ， J = 1 ， 2 ， ， s ： 顾 客集 。 3 2 模型参数 r ： 顾客z 的日需求量； 0 ： 顾客 l 的退货率； 卢： 退货商品 可直接利用率； ： 混合中心 i 固定启动成本； H D e ： 混合中 心 i 正向销售物流单位运作成本； 胁 ： 混合中心 i 单位退货处 理成本 ； MH R ： 混合中心 i 最大可处理退货量； ， ： 初始退货 收集点 年租金 ； ： 年工作天数 ； P： 工厂的单位生产成本 ； o： 工厂与混合中心间的单位运输成本； b： 工厂到顾客间的单 位配送成本； C： 混合中心与顾客间的单位配送成本； h： 日均 单位持有成本； 口： 配送行驶速度 ； t ： 顾客 l 设定的最大配送 容忍时间； d 节点 i 与节点 间的距离； d _ ma x： 顾客退货最 大容忍距 离 ；厂 ： E ： 混合中心与初始退货收集点间的单位 配送成本； E： 基准费率 ； ： 与配送量有关的折扣率， 由下述 式子确定， 其中Q 。 、 Q ： 为配送量阈值 ： f 1 G Q = Q G ， Q z Q 3 3 决策变量 ：若地址 i 建设混合中心则为 1 ， 否则为0 ； ：若地址 设立初始退货收集点则为1 ， 否则为0 ； 若顾客 f 由混合中心或工厂 i 提供服务则为1 ， 否则 为0 ； ：若顾客 Z 由初始退货收集点 提供退货服务则为 1 ， 否则为O ； G ： 节点 i 到节点 间的运输量。 4 优化模型 本文将以物流网络年运作总成本最小为优化 目标建立优 化模型， 同时考虑顾客对配送的个性化要求， 优化模型如下： m in Z = X + G + 0 ) + r 。(1 十 (d 6 + P ) + 。r ( 1 + 鼢to (H D e , + c ) 。 + ) + ， g J + f E， ， J i EJ 2 + (1 一 3 ) d 。 i E J t EL i el i E| 、 s t = l V z E L ( 2 ) = 1 v 2 三 ( 3 ) y V Z J ( 4 ) K F l 0 = ， ( 5 ) G oi -i- = (1 + ) + ( 1 - ) V i E t ( 6 ) ， EJ E J E， (1 + ) 卢 V 矧 ( 7 ) G 。 j e J ， f ( 1 0 ) ， ， ， E O ， 1 ( 1 1 ) 0 e J ( 1 2 ) 式中： ( 1 ) 为以年总成本最小化为目标的优化函数； ( 2 ) 确 保顾客需求要么被工厂配送 ， 要么被混合中心配送 ； ( 3 ) ( 4 ) 保 证表示顾客退货需求只被一个已选建的初始退货收集点服 务； ( 5 ) 确保初始退货收集点的进出量平衡； ( 6 ) 确保混合中心 的进出量平衡； ( 7 ) 确保混合中心收集的可直接利用退货量不 能大于其向顾客配送的K天总需求量 ； ( 8 ) 确保混合中心所处 理的退货量不得超过其可处理的最大容量； ( 9 ) ( 1 0 ) 保证顾客 对配送时间与退货距离限制 ； ( 1 1 ) 表示决策变量的0 - 1 约束； ( 1 2 ) 确保初始退货收集点与混合中心间运输量非负。 5 算法设计 前述的闭环供应链物流网络设计问题是一个典型的组合 问题 ， 目前对于此类问题的优化模型大多采用商业软件 5 - 7 1或 拉格朗日松弛法 来求解。前者只能求解小规模问题； 而后者 求解不够直观且算法计算复杂、 灵活度不强， 为此本文设计了 描述简单、 使用灵活的整合贪婪相加法与单纯形法的混合遗 传算法对其进行求解。算法步骤如下 ： 3 61 供 应链 管 理 物流技术2 0 1 4 年第3 3 卷第8 期( 总第3 1 1 期) S t e p l ： 编码及初始种群： 采用0 1 编码方式 ， 染色体长度 为 玑+ n， 前 in个基因代表混合中心选址决策 ， 后 n个基因代 表初始退货收集点的决策 ， 随机产生规模为 p o p s e 的初始种 群 P ( f ) 【 f = 0 ) 。 S t e p 2 ： 适应度值计算： 适应度值由目标函数值与惩罚值两 部分构成。计算过程要用到两个子算法 ： 第一 ， 分派算法： 将顾客分派给离其最近的工厂、 已选建混合中心与初始退货 收 集 点 ； 根 据 式 ( 7 )( 8 )调 整 混 合 中 心 容 量 为 ， 、 m i n 2 V r l( 1 + 鼢 卢 ， M H R X ； 计 算 混 合中 心 集 可 收 集 、f L 退货容量总和， 若容量和大于退货总量， 则分派结束， 否则进 入下一步； 应用贪婪相加法增加一个混合 中心地址并转到 ， 增加的混合中心地址满足条件为： 若增加该混合中心后 ， 按就近原则重新分派顾客到各工厂与混合中心能带来可收集 退货容量总和增量最大。需说明的是在分派过程中， 可能破 坏约束( 9 ) 与约束( 1 0 ) 产生惩罚值。第二 ， 单纯形法： 利用单 纯性法解决初始退货收集点与混合中心间的运输问题。染色 体适应度函数采用 F i t =1 + A ) 计算 ， 其中A为惩罚值 ， 取大 值 。 S t e p 3 ： 交叉与变异过程 ： 采用两点交叉与随机变异算子获 得子代染色体集 C _( f 1 。 S t e p 4 ： 选择过程： 应用适应度函数评价 c ( f 1 ， 并应用轮盘 赌方法与最优策略选择种群 P +1 1 。 S t e p 5 ： 终止条件为 t +1 是否达到设定的最大遗传代数 Po p t ma x s i z e ， 若达 到 ， 即终 止计算 ； 否 则 t = t +1， 并 回到 S t e p 3 ， 重复计算 。 6 算例与灵敏度分析 电子商务企业闭环供应链物流网络的混合中心与初始退 货收集点的备选地址已事前确定 ， 见表 1 。这些物流设施服务 3 0 个客户， 其地址与需求量见表2 ， 其他参数见表3 。 根据大量实验设定遗传算法参数 ： P o p t m a x $ e = 2 0 0， p o p s iz e = 5 0， P =0 9， P =0 1 5。计算可得该闭环供应链物 流网络的优化 目标值与遗传代数间的关系， 如图2 所示。从图 中可以看 出 ， 目标 值从初 始值 l 1 8 8 4 5 0 2 3下降到最优值 7 4 4 8 3 1 3 2 ， 目标值优化了3 7 3 3 ， 说明算法具有较强的寻优 能力 。从下 降的速度看 ， 设计 算法具有 较快 的寻优速度 。这 些都证明本文所提模型与算法的有效性。优化后混合中心将 选建 h c 2 、 h e 3 、 h e 4 、 h c 7 、 h c 8 ； 初始退货收集点选建 c p l 、 c p 2 、 c p3、 e p4、 c p 6、 c p 8、 c p9、 c pl O 表 1 物流设 施坐标 初始退货收集点坐标 X Y 混合中心坐标 X Y c p l 4 3 9 7 4 9 8 9 h c l 8 5 8 3 0 2 5 c p2 1 5 7 1 2 65 c 2 2 5 3 6 28 5 9 c p 3 41 2 3 3 0 2 5 h c 3 9 5 8 6 5 l c p4 5 0 4 5 8 9 7 h c 4 4 7 5 4 1 9 3 1 c p 5 2 4 7 9 l 9 0 O h c 5 2 0 1 4 5 3 2 1 c p 6 1 6 1 8 2 0 6 6 h c 6 5 O 1 5 4 5 3 9 c p7 3 0 1 8 4 5 3 0 h c 7 3 8 9 O 5 9 8 7 c p8 4 0 3 2 0 4 0 h c 8 2 1 O 9 l 7 7 5 c p 9 6 9 4 3 3 5 8 工厂坐标 X Y c pl O 5 4 7 1 5 7 0 6 P 3 0 4 0 36 2 表2 顾客坐标及需求 坐标轴 坐标轴 2 顾客需求量 f 顾客需求量 X Y X Y l l 5 6 9 3 8 0 8 4 l 6 2 8 6 l 5 1 9 9 2 8 7 2 I 8 6 7 2 4 2 8 3 0 1 l 7 3 8 8 0 5 1 7 l 3 2 2 3 1 6 0 5 9 1 3 2 3 8 1 8 2 1 3 4 1 9 8 1 5 4 4 9 4 3 2 2 7 1 4 7 1 9 2 5 7 8 2 81 2 5 9 5 4 9 0 8 5 4 4 3 1 2 6 2 0 4 5 6 9 5 7 2 4 3 l 5 6 3 3 1 4 1 0 8 5 7 0 2 1 4 8 1 7 8 1 3 2 6 6 7 2 8 6 2 5 0 0 0 2 5 9 2 2 3 6 7 2 l 4 l3 5 1 8 9 8 2 4 8 6 5 9 -3 9 1 5 4 2 3 4 2 6l 2 7 5 0 2 0 3 9 3 4 2 3 5 8 5 2 4 5 2 4 2 2 1 5 3 3 3 O 7 7 1 O 3 3 2 3 2 1 9 0 2 0 3 2 5 2 5 6 3 2 8 5 1 1 6 l l 】 4 5 3 2 2 7 2 3 1 5 4 2 6 9 1 O 2 64 2 7 0 1 2 4 6 l 3 7 6 36 1 4 7 2 7 2 4 7 9 l 1 _ 2 6 2 0 3 l 3 2 4 9 3 3 2 6 0 7 7 2 8 1 7 4 6 1 1 2 0 1 2 6 1 4 2 8 0 7 3 3 _3 8 1 8 9 2 9 l 1 8 7 1 2 9 7 3 0 8 l 5 2 7 7 0 5 0 3 0 8 3 0 6 1 5 3 8 4 5 1 4 7 表 3 参数设定 参数 取值 参数 取值 0 、 卢 O 2 、 0 5 P、 a、 b、 1 O 、 l 、 2 、 2 月 音 、 g , 3 0 0 0 0 0、 2 O 0 0 0 d mo x 2 0 HDe 、He 05 、 01 13 、t f 、E l 0 、 4 、 1 MHR一 3 0 0 町 l 、 0 8 、 0 6 、 K 2 5 0 、 3 Q 。 、 Q 2 0 0 、 6 0 0 图2 目标函数值与遗传代数的关系 表4 给出了其他参数不变， 初始退货收集点库存持有周期 K敏感度分析结果。从计算结果看 ， 随着持有周期数增大， 网 络年总成本呈递减趋势， 特别是当K = 3 时总成本出现显著节 约。 表4 持有周期K敏感度分析 总成本 l 8 0 1 6 8 5 2 3 I 7 8 1 5 5 4 4 1 I 7 4 4 8 3 1 3 2 l 7 3 7 8 4 0 8 7 持有周期 J 1 J 2 J 3 J 4 7 结论 ( 1 ) 基于电子商务环境下在线订单退货率较高且退货处 理较难的现状 ， 本文着重探讨 了电子商务环境下允许工厂到 顾客间直接配送的反应型闭环供应链物流网络的优化问题。 ( 下转第4 2 9页) 袁卫： 双频R F I D 技术下区域物流移动检测定位研究 网络 与 信 息 化 表 2 检测结果 最终坐 平均误 仿真坐标 坐标 1 坐标 2 坐标 3 坐标4 坐标 5 误差 杯 差 S I( 1 3 3 ， ( 1 1 ， ( 1 1 5 ， ( 1 1 2 5 ， 0 1 2 1 1 6 1 1 2 6 ) 1 2 8 ) 1 2 7 、 s 2( 1 0 8 ， ( 1 0 9 ， ( 1 1 5 ， ( 1 1 5 ， ( 1 2 2 ， ( 1 1 5 ， 0 4 3 1 2 9 、 1 2 3 ) 1 1 6 ) l 2 l8 1 1 2 l3 1 1 2 2 S ) S f l 1 0 ， ( 1 2 0 ， ( 1 2 0 ， O 1 2 1 5 0 、 1 O 9 、 l 0 9 1 S 。 0 3 4 ， 02 7 ， ( 1 3 1 ， ( 1 2 9 ， O 23 l 2 1 1 l 1 8 1 1 1 1 ) 1 2 4 5 ) S s( 1 4 9 ， ( 1 3 1 ， ( 1 3 1 ， 0 4 0 l 2 8 1 1 1 1 ) 1 1 l 1 0 3 4 S r I 5 3 ， ( I 2 5 ， ( 1 3 2 ， ( 1 3 7 ， ( 1 3 4 ， ( 1 4 4 ， ( 1 3 5 ， O 28 1 3 2 、 1 3 3 、 1 3 0 ) l 2 7 1 1 3 1 ) 1 3 0 1 1 3 o ) s ( 1 7 8 ， ( 1 3 0 ， f l 3 7 ( 1 3 3 ， O O 8 1 1 6 、 1 2 2 ) 1 2 7 、 1 2 4 、 S 8 ( 1 1 3 ， ( 1 3 0 ， ( 1 4 1 ， ( 1 4 0 ， ( 1 4 4 ， ( 1 3 9 ， 0 4 8 l 2 7 、 1 2 2 1 1 2 4 1 1 2 9 、 1 2 6 1 l 2 5 、 S f 1 6 2 ， ( 1 5 1 ， ( 1 5 1 ， 0 5 3 1 1 4 、 1 1 1 ) l 1 1 1 S I o04 3， ( 1 5 1 ， ( 1 5 1 ， o 7 9 l 1 5 、 1 1 1 ) 1 1 1 1 足局部范围内货物的定位需求。 6 定位 实验 结果分 析 从试验结果可看出， 该定位算法的定位结果十分准确， 根 据试验结果及验证结果可以得出以下结论： ( 1 ) 检测仪器对 自身进行定位时， 如果放置的三个基准 R F I D标签距离太近， 就会出现各标签所处的圆不在识别区的 情况 ， 最终会导致识别结果出现较大误差。因此要求选取的 的各坐标点的距离大于 ， 这样才能保证三个基准标签形 成的圆在识别区范围内， 从而减少检测仪器的中心与识别区 之间的误差 。 ( 2 ) 从表 1 的结果可以得到， 检测仪器在随机选取的基准 R F I D标签位置的识别区中， 满足定位要求的仿真点个数都远 远大于3 ， 这样可以通过放置多个基准标签从而得到以基准标 签为中心的扫描区， 从而减少中心坐标的误差。 ( 3 ) 从表 2 结果可以得到， 最小误差与最大误差相差达 O 7 1 m， 这是因为在不同位置时 ， 两个识别区的相交区域面积 会存在很大差异 ， 因此尽量要求同一个移动标签经过不同相 交区域时， 去除异常位置信息 ， 并对结果进行平均化处理， 从 而进 一步减少误差 。 ( 4 ) 从试验结果可以看出， 当两个识别区的相交区域为 1 时， 该区域面积也很大， 定位误差也会很大 ， 因此在定位过程 中， 移动R F I D标签处于该区域的右半部分时 ， 其坐标位置为 测量结果与两个识别区交叉点的坐标平均值。同样该方法也 可以确定识别区的左半部分的坐标信息， 这样可以降低定位 误差。 7 结语 利用双频R F I D检测系统扫描过程形成的识别区， 并通过 识别区中的基准标签确定检测系统 自身的坐标位置 ， 移动检 测系统扫描到识别区内的移动标签 ， 计算交叉识别区内的移 动标签的位置坐标。经过试验验证 ， 双频R F I D检测系统的定 位误差小于l m， 能够很好地满足区域物流定位需求。 参考文献】 【 1 1 3 4 x 辉， 汪云甲， 张伟 基于R F I D 的室内定位技术评述f J J 传感器与微 系统，2 0 0 9 ，( 2 】 ： 1 3 2 J a e g ecl Y I n t r o d u c i n g a D e c i s i o n T r e e P o s i t i o n i n g T ech n i q u e J E x e r t S y s t e ms w i t h A p p l i c a t i o n s ， 2 0 0 8 ， ( 3 ) ： 3 4 - 3 6 【 3 袁正午， 褚静静移动终端的定位技术发展现状与趋势 J 计算机应 用研究， 2 0 0 7 ， ( 1 1 ) ： 1 6 ( 上接第 3 6 2页) ( 2 ) 考虑顾客对配送时间的个性化需求与退货特点， 构建 了以网络年运作总成本最小化为 目标的优化模型， 并设计了 整合贪婪相加法与单纯形法的混合遗传算法。算例计算获得 了满意的结 果 ， 从而验证了模型与算法 的有效性 。 ( 3 ) 本文研究内容可扩展到考虑多商品、 多周期、 模糊参 数等条件下的闭环供应链物流网络优化问题 ， 同时在求解算 法上可尝试其它启发式算法， 如蚁群算法、 禁忌搜索法等。 参考文献】 1 l R e t u r n B u y T h e n e w d y n a mi c s o f r e t u r n s ： t h e p r o fi t ，c u s t o m e r a n d b u s i - n e s s i n t e l l i g e n c e o p p o r t u n i t i e s i n r e t u rns R R e t u mB u y c o m ， 2 0 0 1 2 R o g e r s D S ,T i b b e n - L e mb k e R S G o i n g b a c k w a r d ：r e v e r s e l o g i s t i c s e n d s a n d p r a c t i c e s R N e v a d a ，R e n o ： R e v e r s e L o g i s t i c s E x e c u t i v e C o u n c i l ， 1 9 9 9 3 S h e a r H， S p e h T W， S t o c k J RT h e w a r e -h o u s i n g l i n k o f r e v e r s e l o g i s - t i c s f A 】 T h e 2 6 a n n u a l w a r e h o u s e e d u c a t i o n a n d r e s e a r c h c o u n c il c o n f e r e n c e C S a n F r a n c i s c o ， C A ， 2 0 0 3 【 4 D e k k e r R ， F l e i s c h m a n n M， I n d e r f u r t h K ， e t a 1 Re v e r s e L o g i s t i c s ： Q u a n t i - t a t i v e Mo d e l s f o r C l o s e d - L o o p S u p p ly C h a i n s M B e r l i n ： S p ri n g e r ， 2 0 0 4 【 5 B e n o n B M， F e rna n d e s C S u p p l y - c h a i n n e t w o r k c o n f i g u r a t i o n f o r p r o d u c t r e c o v e r y J p r o d u c t i o n P l a n n i n g a n d C o n t r o l ， 2 0 0 4 ， 1 5 ： 2 7 0 2 8 1 6 S i m E ， J u n g S ， K i m H， e t a 1 A g e n e ri c n e t w o r k d e s i g n for a c l o s e d l o o p s u p p l y c h a i n u s i n g g e n e t i c a l g o r i t h m J L e c t u r e No t e s i n c o mp u t e r S c i e n c e ， 2 0 0 4 ， ( 3 1 0 3 ) ： 1 2 1 4 1 2 2 5 7 K r i k k e H ， B l o e mh o f -R u w a a r d J ，Va n Wa s s e n h o v e L V C o n c u r r e n t p r o d u c t a nd c l o s e d l o o p s u p p l y c h a i n d e s i gn wit h a n a pp l i c a