基于集成定位-运输路线安排问题的废旧家电逆向回收物流网络优化

基于集成定位运输路线安排问题的废旧家电逆向回收物流网络优化JOURNALOFCOMPUTERAPPLICATIONS计算机应用，2012，32926522655，2627ISSN10019081CODENJYIIDU20120901HTTPJOCAEN文章编号10019081201209265204D0I103724SPJ1087201202652基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化张军重庆工商大学电子商务及供应链系统重庆市重点实验室，重庆400067通信作者电子邮箱WEL1MOON163CON摘要针对废旧家电逆向回收物流成本高、效益差而导致其回收率低的问题，提出一种应用离散微粒群智能算法优化废旧家电逆向回收物流网络模型的方法。在系统分析废旧家电逆向回收物流网络结构与要素基础上，构建基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化模型，引入随机交换序与部分映射交叉PMX算子使离散微粒群优化DPSO算法具备良好的全局及局部搜索能力，来对该模型进行智能优化与求解。实例仿真结果表明，通过该优化模型及算法得到的全局最优解具有良好的收敛性和有效性；同时，能有效降低废旧家电逆向回收物流运作总成本。关键词家电回收；离散微粒群优化；逆向物流网络中图分类号TP181文献标志码AREVERSELOGISTICNETWORKSOPTIMIZATIONOFHOMEAPPLIANCESRETURNBASEDOILCOMBINEDLOCATIONROUTINGPROBLEMZHANGJUNCHONGQINGKEYLABORATORYOFELECTRONICCOMMERCEANDSUPPLYCHAINSYSTEM，CHONGQINGTECHNOLOGYANDBUSINESSUNIVERSITY,CHONGQING400067，CHINAABSTRACTCONCERNINGTHELOWRECOVERYRATECAUSEDBYHIGHCOSTSANDLOWMARGINSOFTHEREVERSELOGISTICSOFTHEWASTEHOMEAPPLIANCES，THEPAPERPUTFORWARDAMETHODWHICHADOPTEDTHEAPPLICATIONOFDISCRETEPARTICLESWARNLOPTIMIZATIONDPSOTOOPTIMIZETHEREVERSELOGISTICSNETWORKMODELOFTHEWASTEHOMEAPPLIANCESAFTERANALYZINGTHESTRUCTUREANDELEMENTSOFTHEREVERSELOGISTICSNETWORKMODELOFTHEWASTEHOMEAPPLIANCESBASEDONINTEGRATEDLOCATIONROUTINGPROBLEM，RANDOMSWAPSEQUENCEANDPARTIALLYMAPPEDCROSSOVERPMXOPERATORWEREINTRODUCEDTOMAKEDPSOPOSSESSOVERALLANDPARTIALSEARCHINGABILITYFORINTELLIGENTLYOPTIMIZINGANDSOLVINGTHEMODE1THESIMULATIONRESULTSILLUSTRATETHATTHEGLOBALLYOPTIMALSOLUTIONACHIEVEDTHROUGHTHISOPTIMIZATIONMODELANDALGORITHMHASGOODCONVERGENCEANDEFFECTIVENESS，ATTHESAMETIME，ITCANREDUCETHETOTALCOSTOFREVERSELOGISTICSOFTHEWASTEHOMEAPPLIANCESEFFECTIVELYKEYWORDSHOMEAPPLIANCESRETURN；DISCRETEPARTICLESWARMOPTIMIZATIONDPSO；REVERSELOGISTICSNETWORK0引言随着电子产品生命周期的日渐缩短，大量的废旧家电产品成为环境污染的主要来源之一。为了有效控制环境的不断恶化和可持续发展的需要，德国、美国等发达国家均引入了生产者责任延伸制度，通过法律法规明确家电产品逆向物流渠道各成员的责任。但我国还没有建立起规范的废旧家电回收体系，大量废旧家电产品超期服役和任意处置的现象较为普遍，由此产生的安全隐患、能源浪费和环境污染等问题也越来越严重。因此，废旧家电的逆向回收问题是亟待解决的问题之一。当前，我国废旧家电产品回收率较低的最主要原因就是回收过程中耗费的成本较高，而回收企业获取的利润又相对较低。因此，如何有效控制废旧家电的逆向回收物流成本成为解决该问题的关键。废旧家电的逆向回收物流成本主要取决于回收物流网络中各物流节点和运输路线的抉择。同时，在既有的对废旧家电的逆向回收网络研究中，要么是从回收站、回收处理中心等物流节点的选址问题角度进行研究；要么是从逆向物流运输路径的优化问题角度进行研究，缺乏从物流节点和运输路径优化两个要素的集成优化角度进行研究。为此，本文在系统分析废旧家电逆向回收物流网络结构的基础上，构建废旧家电逆向回收物流网络的集成定位一运输路线安排问题模型，来对废旧家电逆向回收物流网络进行集成优化与控制，从而有效降低废旧家电的逆向回收物流成本。1废旧家电逆向回收物流网络模型的构建废旧家电回收企业的逆向物流网络一般包括消费者、回收站、回收处理中心、旧货市场、废旧原材料再加工工厂、无公害处理地共6个物流节点。回收站负责收集周边消费者使用后的废旧家电。回收处理中心由检测中心、再制造中心和拆解中心三个部门构成。检测中心首先对送达回收处理中心的废旧家电进行检测，经检测后一部分仍能使用的废旧家电将直接送往旧货市场进行再销售，一部分送往再制造中心经过再制造处理后再送往旧货市场进行再销售，一部分直接送往无公害处理地进行掩埋或燃烧，而剩余部分将送往拆解中心进行拆解。经拆解后，一部分废旧原材料送往原材料加工厂进行再加工，一部分则送往无公害处理地进行掩埋或燃收稿日期20120131；修回日期20120309。基金项目国家社会科学基金资助项目10XGL013。作者简介张军1977一，男，重庆人，副教授，博士，主要研究方向物流系统建模与优化、应急供应链网络优化。第9期张军基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化2653烧。如图1所示。图1废旧家电逆向回收物流网络结构11基本假设构建基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化模型的基本假设为1各个废旧家电的回收站位置及其年回收量为已知；2忽略回收处理过程中废旧家电的损耗，即在进行检测、再制造和拆解作业中不考虑所有原材料的损耗问题；3废旧家电的再销售市场位置及市场容量为已知；4逆向回收物流网络中的运输成本只与运输量和运输距离相关。12变量及符号说明I为各个回收站编号，回收站总数为N；为各个回收处理中心编号，回收处理中心总数为M；R为各个旧货市场编号，旧货市场总数为Q；S为各个原材料加工厂编号，原材料加工厂总数为G；T为各个无公害处理地编号，无公害处理地总数为P；为第个回收处理中心的年固定投资成本；为第T个无公害处理地的年固定投资成本；为从回收站I到回收处理中L,J的运输距离；为从回收站I到回收处理中心J的运输量；为从检测中心到旧货市场R的运输距离；曰为从检测中心到旧货市场R的运输量；为从再制造中心到旧货市场R的运输距离；D为从再制造中心到旧货市场R的运输量；为从检测中心到无公害处理地T的运输距离；为从检测中心到无公害处理地T的运输量；为从拆解中心J到无公害处理地T的运输距离；为从拆解中心到无公害处理地T的运输量；为从拆解中心到原材料加工厂S的运输距离；为从拆解中心到原材料加工厂S的运输量；0为第个检测中心的年检测能力；为第个再制造中心的年再制造能力；Q为第个拆解中心的年拆解能力；Z，为第R个旧货市场的年再销售能力；R为第T个无公害处理地的年处理能力；为检测中心营运成本系数；为再制造中心营运成本系数；为拆解中心营运成本系数；为无公害处理地的营运成本系数；Z为废旧家电逆向回收处理的总成本；S为单位运距单位运量的运输成本。1，3数学模型基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化模型的目标函数为MNGMINZJB，；1I1R1F。S。S。SS1其相应的约束条件如下。第个回收处理中心的输入量与输出量平衡2从第I个回收站运输到各回收处理中心的总量等于该回收站的总回收量3JL第个检测中心的检测总量不能超过其作业能力Y4第个再制造中心的检测总量不能超过其作业能力5第个拆解中心的检测总量不能超过其作业能力PG6第T个无公害处理地的处理总量不能超过其作业能力R7JL第R个旧货市场的再销售量不能超过其市场容量Z81其中，为回收处理中心9【0，其他F，。为无公害处理地10【0，其他F1圭1，0；1，2，M；1，2，N；T1，2。，PR1，2。口。2基于离散微粒群算法的优化求解离散微粒群优化DISCRETEPARTICLESWARMOPTIMIZATIONDPSO算法能在进化过程中同时保留和利用位置与速度信息，并将微粒的位置与速度模型化，得到一组显式的进化方程，而其他优化算法仅仅保留和利用了位置信息；离散微粒群优化算法不但具有遗传算法的全局搜索能力，还由于其微粒没有个体的杂交、变异等运算操作，其参数的调整就变得简单方便，很适合计算机编程，而通过各项参数的调整使微粒群优化算法又具有了很强的局部搜索能力J。因此，本文选用2654计算机应用第32卷离散微粒群优化算法来对废旧家电逆向回收物流网络的集成定位一运输路线安排问题模型进行优化和求解。21离散微粒群优化算法离散微粒群算法则是在微粒群算法在离散优化上的改进与应用，其具体算法为设在R维空间中有个微粒，则第1个微粒的当前位置为F】，L1，2，；第1个微粒的当前飞行速度为，L1，2，；第Z个微粒所经历过的最好位置即第1个微粒的个体适合度最小的位置为PPFJP，P，L1，2，；而群体中所有微粒经历过的最好位置群体适合度为PG。，G，G。如果设为最小化的目标函数。微粒Z的当前最好位置P为FP，P，L，P而群体中的全局最好位置P为JPPP，P，P，13PMIN，P，P，P对第代的第Z个微粒，离散微粒群算法根据式14计算第K1代的速度和位置C1RLPZC2R2PGI14其中和R为区间0，1内的随机系数；C和C为加速权重，C被称为“认知”加速权重，C被称为“社会”加速权重；微粒速度由最大速度所限制，即若有，则令，以防止所谓微粒群爆炸的极端无序的现象出现；为惯性权重，是用来控制历史速度对当前速度的影响程度，适当的TO值可使算法在全局搜索能力和局部搜索能力间取得平衡，从而使算法效果更优；Z1，2，。式14分成自身速度、认知部分、社会部分三部分，自身速度部分采用随机交换序方法，交换序的长度取TOR；认知部分采用当前微粒参照个体最优解P做部分映射交叉PARTIALLYMAPPEDCROSSOVER，PMX，即只让当前微粒按照PMX算子进行变化，而P不作变化，两交叉点的长度取CR；社会部分采用当前微粒参照全局最优解P做PMX操作，两交叉点的长度取CR。这样的DPSO算子，虽然与传统微粒群PARTICLESWARMOPTIMIZATION，PSO算法有所不同，却既符合PSO算法思想又使得离散组合优化问题与PSO算法有效结合，从而PSO算法能够方便地应用于离散优化问题。22罚函数法处理约束基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化模型的优化计算是典型的离散优化问题，式47为逆向回收网络中的节点作业容量约束。本文采用罚函数法来处理这一约束，取四个很大的正数。、妒，、作为罚系数，用、分别乘上总作业容量加到目标函数上，则目标函数”转化为MINZM1I1R1PG。F1J11SL11MQCJ，DJR。SSJL1MGSJJ5I，MAXYO，0JJ1MDMAX一，0TIRLMPG，MAXQJ，0LI1口MMAX，015因此，其不可行解被赋予很大的适应值，在DPSO迭代求解过程中，微粒群将逐渐收敛于可行解。23离散微粒群优化计算步骤第1步初始化离散微粒群，即给群体中的每个微粒赋一个随机的初始解和一个随机的交换序，同时设定各个参数TO、C1、C2、R1、2、R的初值；第2步按式15评价每个微粒的适应值，将初始评价值作为个体历史最优解P，求全局最优解P；第3步对每个微粒进行交换序操作，以获得一个新的微粒；第4步对每个微粒参照个体最优解P做PMX操作，再参照全局最优解P做PMX操作，以获得新一代的微粒；第5步再按式15评价每个微粒的新的适应值，并与P、P进行比较，如果较好，则更新PF或P；第6步如未达到终止条件，则返回第3步继续计算，直到满足终止条件为止；第7步选取最后一个作为最优结果输出。3算例仿真重庆某企业拟构建一个废旧家电逆向回收物流网络，其基本情况如下该企业在重庆市设有6个回收站点，3个回收处理中心备选点，3个无公害处理地备选点，4个旧货市场，并与3个废旧原材料再加工工厂签订了合作协议。各逆向物流节点间的运输距离、各个回收站的废旧家电年回收量、F日货市场的市场容量、无公害处理地的年运作能力、各个原材料加工厂的年运作能力等如表1所示。各物流节点的年固定投资成本与营运成本系数、各逆向物流节点的作业能力以及单位运输成本等如表2所示。另外，经检测中心检测后，废旧家电直接进入旧货市场再销售的占15，送往再制造中心再制造后销售的占45，送往拆解中心进行拆解的占35，直接送往无公害处理地进行掩埋或燃烧的占5；经拆解中心拆解后，废旧塑料占25，废钢铁占60，废铜占5，玻璃与陶瓷占10，玻璃与陶瓷需送往无公害处理地进行掩埋，拆解后的废旧塑料、废钢铁、废铜则分别送往九龙坡、长寿、璧山的废旧原材料加工厂进行再加工。把表L2中的数据代入式215中，运用LINGO110软件进行仿真计算，仿真计算中历次迭代产生的全局历史最优解的目标函数值如图2所示。由图2可知，该全局历史最优解的目标函数值经过682次迭代后开始收敛，经过离散微粒群算法优化后得到的该企业废旧家电逆向回收物流网络的最佳物流运作总成本为284958万元；同时，图2中的全局历史最优解的目标函数值下降趋势较为明显，收敛效果显著，验证了该模型的准确性与有效性。该最优解选中长寿和北碚为该企业的回收处理中心，选中璧山为无公害处理地；各个物流节点间的运输量及各个变量的计算结果如第9期张军基于集成定位一运输路线安排问题的废旧家电逆向回收物流网络优化2655表3所示。表1物流节点间的运输距离及年物流运作能力表2物流节点的物流成本系数及运作能力系数表3计算得到的各个变量值变量值变量值变量值变量值YLL18OOFI1000BL1294D23877Y12000FL2000B12000D924Y13000F13160B13000D31000L000F21000B14186D320001700F22000B21000D33000Y2300032O0B22320D34000Y31000F3L000B23124L1101O2150OF32000B24157KL20003000F33000B31000K13000Y41000H11000B32000L504Y428O0HL2000B”000263030O0H13112曰34000312616001000D111210U1O020002000DL20001OO0003140DL3000000180OL000DL4234W1000R620002000D2100000030003000D22000100注Y为回收站与回收处理中心间的运输量；F为回收处理中心与无公害处理地间的运输量；日为从拆解中心到无公害处理地的运输量；为回收处理中心与旧货市场间的运输量；D为从再制造中心到旧货市场的运输量；为回收处理中心与原材料加工厂间的运输量；U、W均为逻辑变量。4结语微粒群迭代次数图2历次迭代中的全局最优解目标函数值本文通过构建基于集成定位一运输路线安排问题模型来对废旧家电的逆向回收物流网络进行集成优化控制，同时运用离散微粒群优化算法对该模型进行了优化计算与实例仿真检验，验证该模型和优化算法的准确性与有效性。较好地实现了在最大限度地降低废旧家电的逆向回收物流成本的目标下对废旧家电的逆向物流网络进行集成优化，为我国更加经济地逆向回收废旧家电提供了有效的理论支持。参考文献1】马祖军，代颖产品回收逆向物流网络优化设计模型J】管理工程学报，2005，1941141172】狄卫民，胡培回收物流网络优化设计模糊规划模型J1中国机械工程，2007，1823284028433】秦小辉废旧电子产品逆向物流网络优化设计研究【D】成都西南交通大学，2008【4】董景峰，王刚，吕民，等产品回收多级逆向物流网络优化设计模型【J】计算机集成制造系统，2008，14133838，495】伍星华，王旭，代应，等再制造闭环物流网络的多周期优化设计模型【J】计算机集成制造系统，2011，179201520216】KENNEDYJ，EBERHARTRCPARTICLESWA_RLNOPTIMIZATION【CPROCEEDINGSOFTHEIEEEINTERNATIONALCONFERENCEONNEURALNETWORKSPISCATAWAY，NJIEEEPRESS，1995194219487POLIR，KENNEDYJ，BLACKWELLTPARTICLESWARMOPTIMIZATIONANOVERVIEWJ】SWARMINTELLIGENCE，2007，1I