综述：用于生物质供应链规划的混合仿真优化方法：系统综述

《BioEnergy Research》：Hybrid Simulation Optimization Method for Biomass Supply Chain Planning: A Systematic Review

生物质供应链面临高成本、不确定性及复杂交互问题，需整合战略、战术与运营决策。研究显示混合模拟优化技术（如离散事件模拟与混合整数规划结合）在森林、农业及生物燃料供应链中应用广泛，未来需发展多目标模型、机器学习应对不确定性，并纳入政策因素，强化适应性决策。

　　

摘要

随着全球对化石基产品需求的增加，生物质提供了一种可持续且可再生的替代方案。然而，其利用面临重大的供应链挑战。生物质供应链（BSC）包括生物产品的采集、运输、储存、预处理、生产和交付等环节。生物质的高水分含量和低热值导致物流成本较高，从而使得生物产品的交付成本也随之增加。BSC中的其他挑战还与生物质可用性和质量的不确定性、天气条件、需求、价格、成本以及政策等因素有关。为了确保高层规划能够在较低层面得到有效实施，整合战略、战术和运营决策至关重要；然而，在这种综合决策模型中考虑不确定性需要先进的技术。本文综述了关于混合仿真优化技术的现有研究——特别是将仿真模型（如离散事件仿真）与优化方法（如混合整数线性规划）相结合在BSC管理中的应用，重点关注基于森林的、农业领域的BSC规划以及生物质转化为生物燃料/生物能源的供应链规划。这些研究根据混合模型的用途进一步分为三个子组：（1）管理不确定性；（2）解决大规模问题；（3）解释复杂的相互依赖关系。我们采用了一种结合文献计量分析和描述性分析的系统方法，分析了截至2025年7月发表的31篇相关文章。最常用的仿真和优化方法包括蒙特卡洛模拟、离散事件仿真、混合整数线性规划和随机建模。未来的研究可以侧重于开发多目标混合模型以解决可持续性问题，利用机器学习技术来应对不确定性，并在模型中考虑相关的政府政策。强调韧性和基于代理的仿真方法的应用可以提高决策质量和可持续性。