《Cleaner Logistics and Supply Chain》：A comprehensive multi-objective dynamic design of circular supply chain networks based on the triple bottom line
编辑推荐：
摘要：研究人员提出一个多周期、多产品、具备可选择性容量等级与混合配送/回收设施的闭环供应链(CLSC, Closed-Loop Supply Chain)网络设计混合整数线性规划(MILP, Mixed-Integer Linear Programming)模
摘要：研究人员提出一个多周期、多产品、具备可选择性容量等级与混合配送/回收设施的闭环供应链(CLSC, Closed-Loop Supply Chain)网络设计混合整数线性规划(MILP, Mixed-Integer Linear Programming)模型，同步优化经济（利润最大化）、环境（碳排放最小化）与社会（就业创造及组织间经济价值交换最大化）三重底线(TBL, Triple Bottom Line)目标。模型涵盖正向供应链（供应商→制造中心→分销中心→需求区）与逆向供应链（需求区→回收中心→处理中心，其中可回收物料可回流至制造中心或售予外部回收商及制造商）。为求解该NP-hard问题，研究人员设计一种两阶段混合NSGA-II(Non-dominated Sorting Genetic Algorithm II)算法，将设施选址与容量决策交由NSGA-II进化搜索，固定网络结构后嵌入线性规划(LP, Linear Programming)运输子问题以精确评估适应度；小规模与中等规模算例以ε-约束法(ε-constraint method)求取真实Pareto前沿用于验证。结果表明，该混合算法在大规模实例上生成高质量Pareto前沿，超体积(HV, Hypervolume)与均值理想距离(MID, Mean Ideal Distance)指标与精确解统计等价，且计算耗时显著低于精确方法；敏感性分析揭示产品回收率提升可改善环境绩效但抑制经济与社会绩效，需求增长同步提升经济与社会绩效但恶化环境绩效，运输成本上升促使网络集中化从而降低排放但削弱经济与社会效益。该多目标TBL框架可为决策者平衡CLSC网络设计的可持续性与经济性提供量化依据。
《Cleaner Logistics and Supply Chain》刊载论文解读——可持续闭环供应链网络多目标TBL设计与混合NSGA-II求解
一、研究背景与开展动因
传统正向供应链仅关注经济目标，忽略环境负担与社会责任。闭环供应链(CLSC, Closed-Loop Supply Chain)引入逆向物流以回收、再制造、翻修或再循环废弃/退役产品，可减少原生资源消耗与排放，但使网络设计问题高度复杂化。既有CLSC模型多局限于单/双目标优化、静态单周期、单一设施功能、固定容量或无混合节点，且较少同时量化社会维度。随循环经济推进与三重底线(TBL, Triple Bottom Line——经济Profit、环境Emission、社会Social Impact)理念普及，亟需能同步整合多周期动态性、多产品流、可选容量等级、混合配送/收集设施及跨组织循环的CLSC网络设计TBL多目标模型，并配套高效算法求解其NP-hard特性。本文即为此开展研究，成果发表于《Cleaner Logistics and Supply Chain》。
二、主要关键技术方法
研究人员首先构建含供应商I、制造中心J、分销/收集中心K（可分设或合设为混合设施）、需求区L、外部回收商U、处置场S、恢复/再制造中心V之通用CLSC网络MILP模型，目标函数含经济（总收益?总成本）、环境（运输+运营+生产/恢复+处置排放?回收物料减排抵扣）、社会（岗位创造×地区失业率权重＋跨组织再生料/回收品交易额×用户设定权重ζjobs、ζex）三维；约束含物料平衡、需求满足、回收分流比例(FRP/FRF/FRM/FRC/FDS)、设施容量等级cj/cv/ck、0-1选址变量ymjc t、yrvc t、ydkc t、yckc t、ydckc t及连续流量非负。小规模/中规模验证采用ε-约束法(ε-constraint method)结合IBM ILOG CPLEX?取真实Pareto前沿；大规模实例用两阶段混合NSGA-II：染色体编码(J+V+K)×T维整数数组表征各候选点各时段容量等级（0=不建，1~C=容量级），初始种群植入三单目标极值精确解并辅以按峰值需求构造可行解，二元锦标赛选父本、列向多点交叉保可行性、基于正态分布扰动的变异引入跨期容量波动，每代固定染色体后调用CPLEX求LP运输子问题得精确TBL适应度。参数经Taguchi L9正交试验调优(NP=150, NG=30, p依规模取0.15~0.45)。敏感性分析变动回收率αt、需求乘数、运输成本乘数观测TBL响应。
三、研究结果
3.1 参数与问题设定(Experimental setup)
设小(I=3,J=5,K=5,L=15,R=3,S=3,U=3,V=5,P=3,T=3,C=3)、中(I=5,J=10,K=10,L=25,R=5,S=5,U=5,V=10,P=5,T=3,C=5)、大(I=7,J=15,K=15,L=50,R=7,S=7,U=7,V=15,P=7,T=3,C=5)三类算例各5组随机生成参数。
3.2 求解评价指标(Solution evaluation metrics)
以均值理想距离(MID, Mean Ideal Distance，越小越好)、非支配解散布度(SNS, Spread of Non-dominance Solutions，越大越好)、超体积(HV, Hypervolume，越大越好)及CPU时间为基准。
3.3 精确Pareto前沿(Exact Pareto frontiers)
由报酬表(Payoff Table)定Utopia点与Nadir点界，ε-约束法求S-1与M-1算例Econ-Env、Econ-Soc及Econ-Env-Soc前沿。Econ-Env呈近线性正相关——扩产增利伴增排；Econ-Soc呈下凹——初期扩网互利经济与社会，过度追求岗位致冗余设施压低利润；三目标曲面证实强化经济与社会常需扩大运作从而冲突环境目标，印证TBL多目标建模必要性。
3.4 混合NSGA-II求解表现(Hybrid NSGA-II solution performance analysis)
小规模Exact-1(均分时限)获完整前沿，NSGA-II质量略逊但耗时长；中等规模NSGA-II所得HV、MID与Exact-1统计等价(p>0.05)，CPU均时缩减约27%，Exact-2(全前限时)因卡于难解ε-子问题致前沿残缺；大规模下NSGA-II于22小时内产出分布良好的Pareto解集(HV优、MID低、SNS定义良好)，Exact-1超时，Exact-2仅得一可行点，证明所提分解式混合NSGA-II适于工业级CLSC网络设计。
3.5 敏感性分析(Sensitivity analysis)
大尺度算例调参得出：①产品回收率↑→环境改善(少原生料及新品制造排)，但经济↓(逆 logistic费、返激励Θp×RSNp、再制品挤占新品毛利)及社会责任↓(制造岗减幅＞回收岗增幅)；②客户需求乘数↑→经济↑(销量增)、社会↑(多开设施增岗)，环境↓(产运排升)，高位趋近容量瓶颈增速放缓；③运输成本乘数↑→经济↓(运费增)、社会↓(网络集中化关撤设施减岗)，环境↑(短距配递降排)。表明单一政策不能孤立施行，须TBL全局权衡。
四、讨论与结论翻译
讨论指出该分解式NSGA-II规避了完全枚举组合复杂度，保留LP精确评估使大规模CLSC可解；Pareto前沿量化TBL权衡关系——经济-环境近线性冲突、经济-社会具边际报酬递减型凹形；敏感性结果凸显网络对回收率与运费的响应异向，佐证综合评估重要性。局限含LP子问题仍为加速瓶颈、未显式纳入需求/回收量不确定性；未来可嵌启发式替代内嵌LP、引入随机或模糊规划使选址容量决策对情景鲁棒、将返激励比Θp转为可控决策变量以满足排放上限。
结论(Conclusion and future work)：
本研究提出集成多周期多产品、可选容量等级、混合设施及全谱循环流（含跨扇区协作）之CLSC网络TBL多目标MILP模型。定量验证揭示经济-环境近线性权衡及经济-社会凹形权衡，确证多目标方法之必要。两阶段混合NSGA-II求解大规模实例优于精确法，为战略规划提供实用工具。敏感性分析阐明网络配置随回收率与运输成本等关键参数之偏移规律。该框架可为向循环经济转型的CLSC网络可持续决策提供稳健量化支撑。未来研究方向含以完全启发式替换内嵌精确LP以提升扩展性，以及引入随机/fuzzy规划刻画需求与回收品数量/质量不确定性使长期设施决策具鲁棒性，并将返激励百分比由固定参量改为可优化决策变量以匹配特定环境目标或排放限额。
