高端成果系列报道之五十九

Wang Xuekun, Guo Zhaozhuang, Liu Ying*, Data-driven globalized distributionally robust multi-period location-routing-scheduling model for waste-to-energy supply chain under emissions ambiguity. Computers and Chemical Engineering, Vo1.204, 109397, 2026.
D0I: 10.1016/j.compchemeng.2025.109397.

鉴于全球能源短缺加剧和城市固体废物持续增长的现状，有效优化废弃物能源化供应链显得尤为迫切。当不确定参数的分布信息不能完全获取时，废弃物能源化供应链往往面临复杂的挑战。为解决这一问题，我们基于真实数据构建了数据驱动的内、外非精确集，并利用全局分布鲁棒优化框架来处理不确定性。与经典的分布鲁棒优化相比，全局分布鲁棒优化允许在外部非精确集中发生可控的约束违反。我们提出了一个数据驱动的全局分布鲁棒废弃物能源化供应链模型，并根据对偶理论将其转化为等价的混合整数线性规划模型。实际案例的计算结果表明：（i）经济目标和环境目标之间存在冲突，决策者可以根据自身偏好对它们进行优先排序。（ii）约束违反的容忍水平对总成本有积极影响。具体而言，容忍水平从0.1提高到0.9，可使最优成本降低1.07%。（iii）全局分布鲁棒模型的最优决策具有较强的稳定性和较高的质量。与样本平均逼近模型相比，样本外实验中全局分布鲁棒模型的目标值的方差平均降低了88.28%，成本平均降低了0.55%。虽然样本平均逼近方法能够应对不确定性，但无法处理现实中存在的约束违反。因此，对于在废弃物能源化供应链问题中对分布非精确性较为敏感的决策者而言，建议采用GDR方法，该方法不仅能够增强系统的鲁棒性，还可降低决策的保守性。

王雪坤(学生)为该论文的第一作者，郭照庄为第二作者，刘颖为通讯作者。《Computers and Chemical Engineering》现为中科院二区期刊。

2026-Computers & Chemical Engineering-王雪坤