1.一种考虑碳排放的回收设施选址与网络运行优化方法，首先获取中心候选地和处理中心的位置、数量，构建整个快递包装回收系统的总成本，计算整个回收过程中释放的碳排放总量以及回收快递包装所节省的原始材料量，其特征在于：优化方法包括以下步骤：步骤1：为实现整个快递包装回收系统的总成本最小化目标构建函数   ；

步骤2：为实现整个回收过程中碳排放量总和最小化目标构建函数 ；

步骤3：为实现回收快递包装原材料节省量最大化目标构建函数 ；

步骤4：使用Epsilon约束算法对构成多目标模型的函数 、 以及 进行求解，首先将多目标优化模型转化为双目标优化结构，形成优化目标F1和F2构成的双目标模型，分别表征经济和环境效益的考量；在Epsilon约束算法的求解框架中，通过将其中一个目标函数转化为约束条件的方式，求解带有Epsilon约束条件的单目标优化问题，再通过逐步减少值，建立两个优化目标F1和F2之间的一系列均衡，以获得最优帕累托前沿面F，双目标模型的实现过程如下：（1）双目标模型的优化目标F1由原函数 组成，表示最小化快递包装回收总成本；

（2）将函数 的最大化问题转为最小化问题，即 ；

（3）将 按一定比例与 整合为双目标模型的优化目标F2；

步骤1的总成本最小化目标函数 为：；

其中，I:收集中心候选地位置集合；i∈I；

J:快递投放点位置集合；j∈J；

H:处理中心位置集合；h∈H；

T:回收周期集合；t ∈T；

W:快递包装类型；w ∈W；

K: 快递投放点车辆集合；k∈K；

V: 处理中心车辆集合；v ∈V；

:收集中心i的建设成本；

tc:单位时间车辆运输成本；

mcw :w类包装单位购买成本；

FC:处理中心的每台机器处理成本；

FR:收集中心的单位人工成本；

L:处理中心产出的每单位快递包装所受到的政府补贴；

τij、τih、τhj：车辆从收集中心i到快递中心j、从收集中心i到处理中心h、从处理中心h 到快递投放点j之间的运输时间；

决策变量为：

：是否在i地选择建设收集中心;：t时刻车辆k是否从快递投放点j到收集中心i;：t时刻车辆v是否从处理中心h到收集中心i;：t时刻车辆v是否从处理中心h到快递投放点j;：快递投放点j需从外界购买的w类包装量；

：t时刻处理中心h用于处理Ⅱ类包装的机器数量；

： t时刻从快递投放点j运输到收集中心i的废包装量;：t时刻从处理中心h运输到快递投放点j的Ⅱ类包装量;步骤2的碳排放量总和最小化目标函数 为：；

其中, ：建设收集中心i产生的碳排放系数；

：车辆在单位时间运输单位重量的废包装产生的碳排放系数；

p*：车辆满载时单位运输时间产生的油耗；

p0：空车时单位运输时间产生的油耗；

Qmax：运输车辆的最大容量；

CCW：快递废包装中的含碳比例；

FCF：快递废包装中的矿物含量比例；

EF：焚烧快递废包装时的完全燃放效率；

决策变量为：

：t时刻从收集中心i运输到快递投放点j的I类包装量 ;：t时刻从收集中心i运输到处理中心h的Ⅱ类包装量 ;：t时刻收集中心i焚烧的废包装量;步骤3的原材料节省量最大化目标函数 为：；

其中， ：回收单位重量w类包装所节省的原材料。

2.根据权利要求1所述的一种考虑碳排放的回收设施选址与网络运行优化方法，其特征在于：针对多目标模型的函数 、 以及 进行约束，约束内容包括：（1）收集中心的选址数量;

（2）运输车辆的容量限制；

（3）在任意时刻，处理中心h的车辆v在去收集中心i和快递投放点j中至多选择一处服务；

（4）在任意时刻，快递投放点j的车辆k至多选择一处收集中心i去服务；

（5）车辆的初始状态位置；

（6）车辆在t时刻的位置；

（7）需焚烧的快递废包装量限制；

（8）回收系统中的包装量守恒，即处理的I、Ⅱ类包装与焚烧的废包装总和等于从快递投放点运出去的废包装总量，运出去的废包装总量等于快递投放点所产生的废包装总量；

（9）t时刻处理中心h的Ⅱ类包装量守恒；

（10）对任意快递投放点j，回收到的I、Ⅱ类包装量加上从外界购买的包装量要满足其需求量；

（11）任意处理中心h在初始时刻存放的Ⅱ类包装总量为0，且在任意时刻t的所有量小于处理中心h的最大容量；

（12）回收的Ⅱ类包装量限制；

（13）处理中心h可供处理Ⅱ类包装的机器数量限制；

（14）初始状态下各类包装的数量限制；

（15）先选址、再分配原则；

（16）决策变量的取值范围。

3.根据权利要求2所述的一种考虑碳排放的回收设施选址与网络运行优化方法，其特征在于：多目标模型转化为如下双目标：；

由于上述F1 、F2均为最小化目标函数，并结合约束内容，设计的Epsilon约束算法表达如下：Step1：根据所建立的两个优化目标F1和F2，分别计算两个目标值的理想点，形成 的坐标：；

Step2:直接使用Step1得到的 和 ，分别计算两个目标值的最差点，形成 的坐标：；

Step3:设置 ，计算第一个目标函数的范围，即 ，设置节点个数n，得到步长 ，令 ，逐渐减少ε值， ；

Step4:将所建立的模型带入到上述步骤中， 约束为 且优化的单目标为，把该单目标优化问题求解至最优，并将对应的最优解 添加进集合 ；

Step5:移除 中被占优的点，得到由一系列非支配解构成的帕累托前沿面F。