垃圾回收网络优化论文.doc

摘要随着中国经济的腾飞环境问题也日益突出，城市生活垃圾的处理问题就是之一。由于相关政策法规不够成熟，城市流动人口多等原因，我国的城市垃圾回收处理形势不容乐观。本文从优化回收网络出发，通过优化资源配置，降低成本，提高中转站运行效率等使得整个网络得到优化，并据此向主管部门提出建议。对于问题一，我们建立了DEA评价模型和基于信息熵的多属性模糊评价模型，从两个方面分析了问题。DEA模型考虑的是每一个DMU的相对效率，其基本形式为相对效率等于输入输出之比。我们首先建立了一套输入输出指标体系，输入指标包括：1)运输费用；2)设备投入费用；3)运营费用。输出定义为实际垃圾清运量。计算得到的结果显示：DEA有效（相对效率为1）的中转站有（A5，A9，A10，A11，A14，A16，A17，A18，A19，A20，A23）, 效率较低的有A24(0.63)，A25(0.76)等。在熵评价模型中，我们选取的属性包括：1）机器使用率；2）服务区域建筑密度；3）服务区域产生垃圾的能力；4）与所属处理厂的距离。其中1、2、3为效益型指标，4为成本型指标。处理运算后得出综合得分最高的是A15，最低的是A25，方差为0.020194941，综合得分平均值为0.32952862。对比两个模型我们发现这样一个规律：处理垃圾多，服务范围广的中转站在两个评价模型里都得到了较高的评价。这说明中转站的运营也是符合规模效应的。对于第二问，我们的目标是优化中转站到处理厂的路线选择。为此我们建立了一个0-1规划模型。求解结果显示原来运到B2的中转站A13、A16、A24、A25优化后变为运到B1，总的运输距离比原来减少了35.5484km。对于问题三，我们重新用两个评价模型对优化结果进行了检验。DEA验证的结果表明：发生改变的A13和A25中转站的相对效率有所提高，A16、A24保持为1，平均相对效率从0.935077提高到了0.935615。熵模型检验结果表明原来得分靠前的中转站的得分更高了，得分靠后的中转站得分有所减少，方差由原来的0.018803045增加到0.020194941。这说明原来评价高的中转站优势更加明显，原来评价低的劣势更加凸显。总结前面的评价和优化我们发现有些中转站无论是DEA效率还是综合得分都较低，考虑到关闭中转站给其周边环境带来的改善，节约的设备成本等我们考虑将评价较低的A25关闭，它本来要处理的垃圾转运到其它中转站，由此建立了整数规划模型。优化的目标是使转运的距离加上最后到处理厂的总距离最小。求解得出了新的路线与转运量。DEA模型检验显示A2，A4，A17，A18，A19的DEA效率都有所上升。熵模型检验显示：方差降到了0.018458802，平均综合得分上升到了0.340975854。评价检验说明关闭A25之后，回收网络的整体效率、水平得到了一定的提升。对于问题四，我们结合相关文献和论文中的成果给出了相应建议。关键词：垃圾回收网络 DEA评价 多属性决策 0-1规划 整数规划目录一.问题重述4二问题分析4三模型假设5四符号说明5五垃圾回收网络DEA评价65.1 问题分析65.2 DEA评价模型的建立65.3 DEA模型求解85.4 中转站DEA评价结果分析8六基于信息熵的多属性模糊评价方案86.1模型基本原理86.2模型指标体系建立96.3评价步骤96.3.1评价主要结果116.3.2结果分析126.4模型改进12七.垃圾回收网络的优化127.1 问题分析127.2 模型建立137.3 优化模型求解147.4 优化结果及分析14八对优化结果的验证168.1DEA评价模型对优化结果的验证及分析168.1.1 DEA评价模型对优化结果的验证168.1.2 结果分析与比较168.2基于信息熵的多属性模糊评价模型对优化结果的验证及分析178.2.1 基于信息熵的多属性模糊评价模型对优化结果的验证178.2.2 结果分析与比较178.3 两个评价模型间的比较18九考虑关闭一个中转站的进一步优化189.1问题分析189.2模型建立199.3模型求解209.4两种评价模型的检验209.4.1 DEA评价模型检验209.4.2熵评价模型检验21十.建议书22十一.模型优缺点综述23十二.参考文献23附录24 一.问题重述随着我国居民生活水平的不断提高，城市生活垃圾处理问题日益突出。优化回收网络作为解决垃圾处理问题的有效措施之一，近年来备受关注。本文需综合考虑垃圾回收网络设置的相关因素，建立一个垃圾回收网络的评价模型，并优化现有的垃圾回收网络，验证结论后向主管部门提出合理的建议。为使所建模型合理化，我们需要结合多方面因素考虑。二问题分析问题一：在这个垃圾回收网络中，我们已经得知各个垃圾中转站的处理能力和实际清运量，也知道了各中转站的服务范围以及各中转站的坐标。通过对经纬度向公里数的转换，我们得出了各个中转站和处理场的距离坐标（见附录一）（在平均纬度为29.5°处，经度每变化1°，公里数变化97.17km；纬度每变化1°，公里数变化111km）。对于这些数据，我们可以建立DEA评价模型对每一个中转站的相对效率进行评价。对本问题中垃圾回收网络的评价可以归结为对每一个中转站的模糊评价，我们给每一个中转站建立适当的评价指标体系，则本问题可变为一个多属性决策问题。多属性决策有多种方法可以解决，由于本问题各指标权重未知，因此可以考虑基于信息熵的多属性模糊评价方案。熵在信息论中被用来表示信息的不确定性。我们可以采用熵确定各个指标的权重，之后对各指标加权，最后利用期望值算子得到中转站的优劣排序。所以对于评价模型，我们考虑用DEA评价模型和基于信息熵的多属性模糊评价模型分别进行评价。问题二：垃圾回收网络优化的方向有：减少投资、减少对居民和环境的影响、增大回收效率。在此垃圾回收网络中，通过做出垃圾中转站分布图，我们发现有一些垃圾中转站的垃圾没有运到离自己最近的处理场，从而产生了多余的费用。对于这种现象，我们采用0-1规划模型来解决每个垃圾中转站垃圾的运送方向。问题三：对于优化结论的验证，我们利用已建立的两个模型分别进行评价，得出评价结果后，利用结果对结论进行验证。问题四：基于对本垃圾回收网络，我们通过优化网络，得出本垃圾回收网络的优化方案，基于这个方案我们向主管部门提出改进建议。三模型假设1、单位垃圾在单位距离上的运输费用相同，且运输费用与距离成线性正比关系。2、处理厂可以处理所有从中转站运来的垃圾。3、垃圾送到中转站之前的搜集工作的成本可忽略不计。4、中转站之间，中转站与处理厂之间的距离可以由直线距离反应。5、关闭一个中转站后其服务区域内产生的垃圾转运到其它中转站的距离可视为两个中转站之间的直线距离。四符号说明符号解释说明单位运输1吨垃圾行驶1千米所需费用元/吨千米处理1吨垃圾所需费用元/吨服务单位面积所需费用元/万平方米第个垃圾中转站实际垃圾清运量吨第个垃圾中转站到垃圾处理场的距离千米第个中转站最大清运量吨第个中转站服务区域内建筑密度万平方米第个中转站的相对效率第个中转站的x坐标第个中转站的y坐标处理场的横坐标；处理场的纵坐标；处理场的横坐标；处理场的纵坐标总的运输距离。千米第个中转站所属处理厂的x坐标第个中转站所属处理厂的y坐标从A25中转站运到第个中转站的垃圾重量吨五垃圾回收网络DEA评价5.1 问题分析在这个垃圾回收网络中，我们已经得知各个垃圾中转站的处理能力和实际清运量，也知道了各中转站的服务范围以及各中转站的坐标。我们将所有中转站的坐标转换为距离经度为106°，纬度为29°的点的相对距离（在平均纬度为29.5°处，经度每变化1°，公里数变化97.17km；纬度每变化1°，公里数变化111km）。我们得出了各个中转站和处理场的距离坐标（见附录一）。对于这些数据，我们可以建立DEA评价模型对每一个中转站的相对效率进行评价。5.2 DEA评价模型的建立 对于输入，我们主要考虑3个方面：（1）运输费用 ；（2）设备投入费用；（3）运营费用。对于输出，定义为实际垃圾清运量。（1） 运输费用：运输费用与运量以及运输距离成正比 （2） 设备投入费用：设备投入费用与处理能力成正比 （3） 运营费用：运营费用与服务面积正比 实际垃圾清运量： 对于DEA模型：第个中转站的相对效率表达式:第个中转站的相对效率优化评价模型为：模型 ： :运输1吨垃圾行驶1千米所需费用:处理1吨垃圾的设备投入费用:服务单位面积所需费用:第个垃圾中转站实际垃圾清运量:第个垃圾中转站到垃圾处理场的距离:第个中转站最大清运量:第个中转站服务区域内建筑密度:第个中转站的相对效率模型是一个分式规划模型，我们必须将它转化为线性规划模型才能求解:因此，令：模型可转化为：模型：其对偶问题模型为：模型 ：5.3 DEA模型求解对于DEA模型的求解，在现在已有很多专业软件，我们采用DEAP软件进行求解,结果见下表：表1：中转站DEA评价表中转站A1A2A3A4A5A6A7A8A9A10A11A12A13相对效率0.980.960.910.861.000.870.900.831.001.001.000.900.95中转站A14A15A16A17A18A19A20A21A22A23A24A25A均相对效率1.000.861.001.001.001.001.000.960.891.000.630.760.945.4 中转站DEA评价结果分析通过得出数据，发现中转站A24和中转站A25的相对效率较低（分别为：0.63和0.76），可以考虑关闭这两个站或者两者合并。统计得各个中转站的平均相对效率A均为0.94，相对较高，所以该垃圾回收网络比较优良。六基于信息熵的多属性模糊评价方案6.1模型基本原理对本问题中垃圾回收网络的评价可以归结为对每一个中转站的模糊评价，我们给每一个中转站建立适当的评价指标体系，则本问题可变为一个多属性决策问题。多属性决策有多种方法可以解决，由于本问题各指标权重未知，因此可以考虑基于信息熵的多属性模糊评价方案。熵在信息论中被用来表示信息的不确定性。我们可以采用熵确定各个指标的权重，之后对各指标加权，最后利用期望值算子得到中转站的优劣排序【7】。6.2模型指标体系建立对于中转站的的评价我们主要考虑四个指标：1）机器使用率，既中转站压缩机的使用率，定义：；2）服务区域建筑密度（万平方米），定义：；3）服务区域产生垃圾的能力（吨/万平方米），定义：；4）与所属处理厂的距离（千米），定义：；以上四个指标中，我们结合实际规定b1越大越好；b2为中转站服务范围，越大越好；b3代表该区域对垃圾中转站的需求水平，对于一个建立好的中转站我们希望它被服务区所需要，所以这个指标也越大越好；b4与运输费用有关，因此考虑它越小越好。综合起来，b1、b2、b3可视为效益型指标，b4为成本型指标。符号解释：第个中转站实际清运量：第个中转站最大清运量：第个中转站服务区域内建筑密度：第个中转站的x坐标：第个中转站的y坐标：第个中转站所属处理厂的x坐标：第个中转站所属处理厂的y坐标6.3评价步骤步骤一：建立决策矩阵；步骤二：对决策矩阵进行规范化，对于效益型指标按下列式子变换，对于成本型指标按下式变换，变换后得到规范化矩阵； 步骤三：对规范矩阵进行归一化处理，对于R中的每一个元素都按下式变换，最得到归一化矩阵。步骤四：计算指标的熵，算式如下，得到各个指标的熵向量。步骤五：计算指标的权重值，算式如下，得到各个指标的权重向量。步骤六：计算方案的综合得分，算式如下，得到各个中转站的综合得分。步骤七：根据综合得分对各个方案进行排序，对各个中转站进行评价，最后使用方差对总体进行评价。6.3.1评价主要结果我们根据已知数据首先建立了决策矩阵（见附录六），运用Excel对各个元素进行运算，得到规范化矩阵（见附录七），然后得到归一化矩阵如下：表2：归一化后的决策矩阵中转站机器使用率服务区域建筑密度（万平方米）服务区域产生垃圾能力（吨/万平方米）A10.0396856160.0108975360.041441913A20.0405675180.0193551730.023851536A30.0352761030.010903750.036816262A40.0352761030.0203177710.019757843A50.0352761030.0030266340.132634257A60.0352761030.0125976880.031865794A70.0352761030.0077623690.051715569A80.0352761030.0108847790.03688043A90.0405675180.0176767690.052232466A100.0450946180.0959657610.055530783A110.0440951290.0297624780.067439835A120.041008470.0270305080.034529027A130.0436541770.0484058610.041050914A140.0458589340.0775113820.01553715A150.0394386830.1314159750.013135175A160.0458589340.0083456810.060126208A170.0432132260.0665360980.014781698A180.0440951290.0391635930.012812771A190.0396856160.0191428690.047183601A200.0440951290.0665360980.015083366A210.0435942950.1085214290.035604166A220.0406615880.0939215760.028423127A230.0436541770.0272166720.073010573A240.0286618340.0378747410.017223415A250.034852790.0092268080.041332121得到熵向量b（0.998057362，0.887020924，0.946119555，0.962905976）；得到权重向量w（0.009435034，0.548718653，0.26168744，0.180158872）。最后得到综合得分，排序后的结果如下表：表3：熵评价模型综合得分表中转站综合得分中转站综合得分A150.6267451A90.2782193A210.5932453A40.2483501A100.5824756A20.2440964A170.4960309A120.2394604A220.4924926A10.2335861A200.4494336A30.2298773A140.4401929A70.2291053A50.3685039A240.2167106A180.3407846A60.2162237A110.3318225A160.2027184A130.3283958A80.1915401中转站综合得分中转站综合得分A230.3180511A250.1527698A190.29244496.3.2结果分析从表3可以看出，在25个中转站中得分最高的前三位为A15，A21，A10，而得分最低的三位是A16，A18，A25。在这里由于考虑的是四个指标的模糊综合评价，所以综合得分高的中转站就代表了其在压缩机使用率，服务区域内建筑密度，被需要指数和运送成本四个方面的综合水平高于其它中转站。此外我们还可以计算出A1到A25的方差为：0.018803045。6.4模型改进在这个基于信息熵的多属性模糊评价模型中，关键在于对指标的有效选取，适当且充分的指标体系可以更好地反映出评价客体的真实水准。在本文中我们假定了中转站服务区域内的建筑密度为其服务范围，并且规定其服务范围越大越好。但是，实际上一个中转站的服务范围是有一定限制的，过大的范围会使得收集服务区域垃圾的运输、人工等成本上升，在较长的运输过程中也有泄漏的危险。适当的服务范围应该是一个区间。由于问题中没有给出相关数据，而且不同地方由于居住人口在数量、类型上的不同，实际情况是相差较大的。对于具体问题可以采用实地调研的方法估计出此区间。此类区间型指标在进行规范化时与其它类型的指标应采取不同处理方法，其余的归一化处理，对熵的计算等是一致的。现给出其规范化算式如下【6】：七.垃圾回收网络的优化 7.1 问题分析垃圾回收网络优化的方向有：减少投资、减少对居民和环境的影响、增大回收效率。在此垃圾回收网络中，通过做出垃圾中转站分布图（程序见附录十一），如下：图1：垃圾中转站分布图我们发现有一些垃圾中转站的垃圾没有运到离自己最近的处理场，从而产生了多余的费用。对于这种现象，我们采用0-1规划模型来解决每个垃圾中转站垃圾的运送方向。7.2 模型建立对于垃圾中转站到处理场的距离，我们采用直线距离简化：第个中转站到的距离为:第个中转站到的距离为:优化目标为使距离之和最小：若为1，则表示第个中转站到处理场的距离较近，那么便将垃圾运往处理场；若为0，则表示第个中转站到处理场的距离较近，那么便将垃圾运往处理场。则约束条件为0-1变量：建立模型如下：模型 ：其中：:第个垃圾中转站的横坐标；:第个垃圾中转站的纵坐标；:处理场的横坐标；:处理场的纵坐标；:处理场的横坐标；:处理场的纵坐标；:总的运输距离。7.3 优化模型求解对于模型 的求解，我们采用Lingo软件编程（程序见附录八），进行0-1规划模型求解。7.4 优化结果及分析 利用Lingo软件求解后，得到各个中转站新的处理场归属，结果见下表：表4：优化后中转站-处理场归属表垃圾中转站垃圾处理场归属优化后处理场归属到处理场距离（km）优化后到处理场距离（km）A1B1B18.34778.3477A2B1B17.59557.5955A3B1B17.84437.8443垃圾中转站垃圾处理场归属优化后处理场归属到处理场距离（km）优化后到处理场距离（km）A4B1B16.98673.9867A5B1B19.42659.4265A6B1B18.76388.7638A7B1B19.37479.3747A8B1B112.401712.4017A9B1B18.80948.8094A10B1B113.018813.0188A11B2B212.524612.5246A12B2B216.376316.3763A13B2B122.568616.5195A14B2B210.716310.7163A15B2B218.623318.6223A16B2B120.583110.255A17B1B14.5484.548A18B1B15.73355.7335A19B1B17.36467.3646A20B1B16.17066.1706A21B1B113.453113.4531A22B2B222.833222.8332A23B2B215.947615.9476A24B2B143.843339.3871A25B2B132.100517.3855通过对上表的分析，我们发现中转站A13、A16、A24、A25的归属发生变化，它们原来都是将垃圾运往B2处理场，优化后将垃圾运往B1处理场，共减少35.5484km运输路程。重新作出的垃圾回收网络图（程序见附录十二）如下：图2：优化后的垃圾回收网络图八对优化结果的验证8.1DEA评价模型对优化结果的验证及分析8.1.1 DEA评价模型对优化结果的验证在我们对现有垃圾回收网络进行优化后发现有一些指标值发生了改变，因此我们采用前文中的两个模型进行重新评价网络。通过改变其中一个改变了运输方案的中转站的输入量，得出了这个中转站的相对效率改变量，对这些改变了运输方案的中转站逐一改变输入量，最后地出了这些中转站所有的相对效率改变量,得出优化后的DEA模型评价结果为：表4：优化前后DEA评价对照表中转站优化前优化后增长幅度中转站优化前优化后增长幅度A10.9750.9750A14110A20.9620.9620A150.860.860A30.9110.9110A16110A40.860.860A17110A5110A18110A60.8670.8670A19110A70.9020.9020A20110A80.8260.8260A210.9630.9630A90.9990.9990A220.8870.8870A10110A23110A11110A240.6250.6250A120.9020.9020A250.760.7720.012A130.9520.9590.007A平均0.9350770.9356158.1.2 结果分析与比较优化后发现发生改变的A13和A25两个中转站的相对效率有所提高（分别提高幅度为：0.007、0.012），平均相对效率也有所提高，由此得出，我们对该垃圾回收网络的优化是有效果的。在结果中还发现A24和A25的相对效率还是比较低（分别为：0.625，0.772），由此我们可以考虑进行进一步优化，即考虑关闭其中一个。8.2基于信息熵的多属性模糊评价模型对优化结果的验证及分析8.2.1 基于信息熵的多属性模糊评价模型对优化结果的验证在这个模型中改变的参数只有与处理厂距离这一项，改变后的参数如下：表5：优化后各中转站与处理厂距离中转站与处理厂的距离（千米）中转站与处理厂的距离（千米）A18.3477A1410.7163A27.5955A1518.6223A37.8443A1610.255A46.9867A174.548A59.4265A185.7335A68.7638A197.3646A79.3747A206.1706A812.4017A2113.4531A98.8094A2222.8332A1013.0188A2315.9476A1112.5246A2439.3871A1216.3763A2517.3855A1316.5195使用模型再次得到的综合得分表与原网络得分表如下：表6：优化后回收网络与原网络综合得分比较中转站优化前综合得分中转站优化后综合得分中转站优化前综合得分中转站优化后综合得分A150.626745A150.641644A90.278219A90.268948A210.593245A210.603184A40.24835A120.23797A100.582476A100.591555A20.244096A40.23267A170.496031A220.503916A120.23946A20.230283A220.492493A170.476403A10.233586A10.221464A200.449434A140.440808A30.229877A240.221111A140.440193A200.438232A70.229105A70.219134A50.368504A50.364065A240.216711A30.21625A180.340785A130.333337A60.216224A60.204433A110.331822A110.330603A160.202718A160.202008A130.328396A180.323163A80.19154A80.184717A230.318051A230.319331A250.15277A250.153202A190.292445A190.2797838.2.2 结果分析与比较优化后的网络中只有四个中转站的运输路线发生了改变，它们是13,16,24,24。当然它们的运输距离都有所下降，重新评价的结果显示它们的得分并没有明显的上升，甚至略微下降了，结果的方差增大到：0.020194941。对比表6我们发现优化前后得分排名前三与排名靠后的中转站没有变化，但是排名靠前的中转站得分都有所上升，排名靠后的得分有所减少。这说明我们所做的优化使得中转站间得分差距变大，得分高的中转站的优势得到了加强，得分低的中转站的劣势更加明显。在实际生活中我们总是把有限的资源投资在优势企业上，从而去追求更好的收益，在本题的垃圾回收网络中，我们所做的优化虽然没有使得运输距离减少的中转站的得分明显增加，但是总的结果显示原来综合水平高的中转站的优势更加凸显，原来水平低的中转站的劣势也被凸显了，这样的结果我们认为是合理的。8.3 两个评价模型间的比较对比DEA评价模型和基于信息熵的多属性模糊评价模型对优化后的回收网络的评价结果，我们发现中转站A10，A21，A22，A17在两个评价模型中都得到了比较好的评价，观察原始数据我们发现了一个规律性的现象，就是这些中转站都是处理垃圾比较多并且服务范围较广，整理得到的结果如下：表7：优势中转站各项数据中转站DEA效率熵模型得分建筑密度实际清运量A1010.5915552303.42531A150.860.6416443154.32172A1710.5039161597.0498A210.9630.6031842604.79385A220.8870.4764032254.36266同时我们也发现在两个模型中评价都不高的中转站也有类似规律，即这些中转站都是处理垃圾比较少并且服务范围较小，整理得到的结果如下： 表8：劣势中转站各项数据中转站DEA效率熵模型得分建筑密度实际清运量A60.8670.204433415302.3840A80.8260.184717218261.2640A1610.202008071200.3250A240.6250.216249618909.0965A250.7720.153201664221.4738对比以上两个规律我们可以发现，实际清运量多、服务区域内建筑密度大的中转站无论在那个模型中都能得到较高的评价，而实际清运量少、服务区域内建筑密度小的中转站得到的评价较低。现实中这说明实际清运量多、服务区域内建筑密度大的中转站所带来的社会效益，所节约的成本都较多，这也符合经济学中的规模效应。九考虑关闭一个中转站的进一步优化9.1问题分析在第一个优化模型对两个处理厂所拥有的中转站进行重新分配之后，我们用两个评价模型进行了重新评价，发现有些中转站由于规模较小，设备闲置等原因在两个评价模型中得到的评价都不高。在实际中垃圾中转站的建设是需要大量投入的，而且由于每天要处理大量垃圾，其产生的噪音、空气污染、土壤污染等很容易影响周边生态环境。所以，我们不能只考虑经济因素，在考虑到环境保护的因素并且满足垃圾清运要求的情况下，中转站的数量应尽可能少。在前文的优化结果中我们发现A25中转站在两个评价模型中得到的评价较差，其DEA效率是0.772，熵模型综合得分是0.153201664。所以我们考虑关闭A25，则原来它清运的垃圾必须转移到其它中转站，由于第一个优化模型已经优化了各个中转站到处理厂的运输距离，我们假设原属A25区域内的垃圾运到其它中转站的距离等效为A25到其它中转站的直线距离，据此我们建立了一个整数规划模型来解决本问题。9.2模型建立不妨假设运送单位距离的单位重量的垃圾所需费用为1，则本问题的目标函数定义为：其约束条件包括：（1）从A25运走的垃圾之和为38吨，即：（2）每个中转站原来要处理的量加上从A25运过来的量不超过其处理能力，即：。总的模型为：符号解释：第个中转站实际清运量：第个中转站最大清运量：第个中转站服务区域内建筑密度：第个中转站的x坐标：第个中转站的y坐标：第个中转站所属处理厂的x坐标：第个中转站所属处理厂的y坐标：从A25中转站运到第个中转站的垃圾重量9.3模型求解我们使用lingo软件编程求解，得到的结果整理如下：表9：从A25转移到其他中转站的路线及运输量原中转站新中转站最终到达的处理厂转移量（吨）A25A2B14A25A4B112A25A17B16A25A18B12A25A19B114最后得到的最小结果为918.3611千米/吨。9.4两种评价模型的检验9.4.1 DEA评价模型检验对于进一步改进后的垃圾回收网络，我们再次利用DEA评价模型进行评价，评价结果为：表10：第二次优化后DEA评价结果比较处理场优化前优化后增长幅度处理场优化前优化后增长幅度A10.9570.865-0.092A14110A20.940.9620.022A150.860.860A30.9110.892-0.019A16110A40.8610.14A17110A5110A18110A60.8560.794-0.062A19110A70.8920.832-0.06A200.9990.962-0.037A80.7780.769-0.009A210.9510.9510A90.9760.905-0.071A220.8870.8870处理场优化前优化后增长幅度处理场优化前优化后增长幅度A100.9830.9830A23110A11110A240.6250.6250A120.8940.8940A250.76A130.9520.9520A平均0.923240.922208通过分析，将中转站A25关闭后，将处理量分配到A2、A4、A17、A18、A19五个中转站后，使得中转站A2和A4相对效率有所提高（提升幅度分别为0.022、0.14），A17、A18、A19还是保持为1，即保持在有效水平，所以对于优化后网络的在此优化是有效的。对于有些相对效率降低的中转站，并不是效率变低了，而是因为A2、A4、A17、A18、A19的效率提高，使总体提高，所以会导致有些效率并没有改变的中转站相对效率降低。于是，我们不再考虑除A2、A4、A17、A18、A19五个中转站外的其他中转站的相对效率改变。9.4.2熵评价模型检验代入相关数据计算得到新的综合得分排序表如下：表11：第二次优化后得到的综合得分表中转站第二次优化后综合得分中转站第二次优化后综合得分A150.634940277A190.298960037A210.599253638A90.271608573A100.589547452A40.248236297A220.500449373A120.239077471A170.476504355A160.23