近年来随着人们的保护环境和节约资源意识不断的增强,逆向物流越来越引起了政府、制造商和消费者广泛的重视,成为近年来的热点研究领域。逆向物流不仅节约资源、减少排放废弃物,降低企业成本,而且可以提高客户满意度,于是许多企业都纷纷建立自己的逆向物流体系。逆向物流网络是整个逆向物流体系运作的基础和关键。建立经济、高效的逆向物流网络是许多企业的目标,因此如何设计出合理的逆向物流网络在逆向物流领域具有实际的研究价值。论文首先介绍了选题的背景、意义和创新之处。现在对逆向物流的研究还处于起步阶段,逆向物流网络建模与优化有着广泛的应用背景。另外,本文分别从宏观和微观论述了选题的重要意义,提出了本研究的主要目标和内容。其次,论文总结了选址理论和差异演化算法(DE)的国内外研究现状,概述了基本选址模型。论文还指出了一些国内选址理论研究的特点和不足之处。对选址问题中经常使用启发式算法做了较为详细的介绍。第三,论文以排队论为基础研究逆向物流网络建模与优化。逆向物流中的处理回收物品的工厂被看作是服务台,回收物品被看作是顾客,而且回收的物品有不同的处理方法。本文先基于GI/G/1模型,为每个工厂从几个备选生产能力中选择一个建立逆向物流网络。为了求解该模型设计了遗传算法(GA)。第四,在GI/G/1模型的基础上将模型扩展为基于GI/G/m的逆向物流网络模型。随着求解问题的复杂性及难度的增加,提高GA的运行速度便显得尤为突出,并行遗传算法不仅提高了求解速度,而且由于种群规模的扩大和各子种群的隔离,使种群的多样性得以丰富和保持,减少了未成熟收敛的可能性,提高了求解质量。本文设计了并行遗传算法求解基于GI/G/m的网络优化模型。第五,在研究多层逆向物流网络建模与优化方面。考虑由居民、初级收集点、处理中心组成的多层逆向物流网络优化问题。在满足居民的需求的前提下,确定建立收集点和处理工厂的位置和数量。每个初级收集点有一个最大容量限制。本文建立了一个非线性整数规划模型,目标是最大化逆向物流收益。求解该模型用了自适应遗传算法。第六,在上面模型的基础上,把研究内容扩展为包括正向物流和逆向物流的网络结构。该模型要求同时优化正向和逆向物流网络。模型中生产销售商品的工厂和处理回收物品的工厂可以是同一个工厂,销售商店和初级回收点是不同的。销售商店和初级回收点以及工厂有容量限制的但是可以通过扩建来满足消费者的需求。本文设计了差异演化算法求解模型,该算法稳健性强、收敛速度快。最后,把多层逆向物流网络优化模型扩展为多期,多层,有容量限制,同时包括正向和逆向的网络优化模型。为了求解模型设计了模糊自适应差异演化算法。目前,模糊控制朝着自适应、自学习方向发展,使得模糊控制参数或规则在控制过程中自动地调整、修改和完善,从而使系统的控制性能不断改善,达到最佳的控制效果。通常差异演化算法采用固定的变异算子F和交叉算子CR,本文将模糊控制原理和差异演化算法结合,提出了一种模糊自适应差异演化算法,根据种群前后两代总体的差异和每个个体的差异,自动调整F和CR。