淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2008201213340600
中文論文名稱 應用兩階層規劃模型於差別補貼費率訂定之研究-以台灣廢印表機資源回收系統為例
英文論文名稱 An Application of Bi-level Programming to the Settings of Differential Subsidy – A Case of the Subsidy Dicision to Recycled Printers in Taiwan
校院名稱 淡江大學
系所名稱(中) 管理科學學系碩士班
系所名稱(英) Master’s Program, Department of Management Sciences
學年度 100
學期 2
出版年 101
研究生中文姓名 張雅翔
研究生英文姓名 Ya-Shiang Chang
電子信箱 effort3108@yahoo.com.tw
學號 699620430
學位類別 碩士
語文別 中文
口試日期 2012-06-14
論文頁數 109頁
口試委員 指導教授-時序時
共同指導教授-鄭啟斌
委員-莊忠柱
委員-張炳騰
委員-溫麗琪
中文關鍵字 兩階層分散式規劃  印表機回收  回收清除處理補貼費率  差別補貼資源再利用率  模糊趨近法  直覺模糊趨近法  回收率 
英文關鍵字 Bi-level decentralized programming  Fuzzy approach  Intuitionistic fuzzy sets  Printers recycling  Treatment fee  Differential subsidy  Resource recovery rate  recycling rate 
學科別分類
中文摘要 為使環境汙染成本內部化,我國行政院環境保護署(簡稱環保署)於1997年推動資源回收計畫,並建立資源基金制度,委由資源回收基金管理委員會(以下簡稱基管會)進行基金管理。基管會對於公告應回收廢棄物之製造及輸入業者依核定費率收取回收清除處理費用後,再扣除行政、稽核等相關成本,其餘基金則補貼給回收處理業者,以獎勵回收工作並期望降低環境污染。
目前基管會每年的可用基金額度約有20億元新台幣。然而自制度實施以來,各項費率之多寡始終為各方利益關係人爭議的焦點,尤其又需考慮回收效率與公平性原則,因此本研究嘗試以兩階層分散式規劃(Bi-level decentralized programming, BLDP)用於差別補貼費率訂定之研究以期解決爭議,並以廢資訊物品中的廢印表機為對象進行探討。其中,上階為基管會,經分析其目標有四:補貼費用極小化、回收率極大化、徵收費用極小化以及行政成本極小化;下階則為回收處理廠,其目標為利潤最大化。由於兩者目標不一,透過上下兩階層衝突互動後期望能得到最適分配。此外,由於模型無法直接求解,本研究使用模糊趨近法(Fuzzy approach)以及直覺模糊趨近法(Intuitionistic fuzzy sets)求取妥協之最適解。除了費率問題外,由於印表機廢棄物總量不變,目前單一費率制度方式易造成處理技術及能力停滯不前,因此本研究導入回收處理廠分級概念,以差別補貼方式激勵回收處理廠升級,期增加資源化價值與降低環境污染。目前補貼費率由基管會統一訂定,當市場存在單一費率時,隱含供給與回收處理廠獲得之效益並無差異。故現行單一缺乏變化之費率制度無法凸顯廢資訊物品市場回收處理能力對資源再利用的影響,因此面對不同處理量之回收處理廠本研究嘗試在可用資金範圍內訂定差別補貼費率,將改善目前單一費率所造成的不合理現象,且符合經濟效益。
  本研究結果顯示如欲提升回收率,目前回收清除處理補貼費率以及回收獎勵金皆有調整空間。而本研究所使用之模糊趨近法以及直覺模糊趨近法解值較能符合基管會以及回收處理廠之期望,也較符合目前現況。回收率雖然與目前回收率相差不大,但卻能達到鼓勵回收處理廠升級之目的,不僅基管會資金流動效率更好,回收處理廠亦可提升其處理能力。因此,本研究結果可提供基管會做為未來修改費率時之參考。
英文摘要 To internalize environmental pollution cost, the Environmental Protection Administration (EPA), Executive Yuan, R.O.C, promoted the resource recycling program in 1997, and established the resource funding system, of which funding was to be managed by the Recycling Fund Management Board (RFMB). After collecting recycling and treatment fees according to regulated rates from manufacturers and importers of wastes announced to be recycled, RFMB deducts administration and auditing costs and then subsidizes the remaining fund to recycling firms as incentive for their work and in hope of reducing environmental pollution. The annual fund quota available to RFMB is currently around two billion NTdollars. However, since the enforcement of this system, the amount of various rates has been an issue disputed by stakeholders, especially as recycling efficiency and social fairness are considered. Thus, this study uses Bi-level decentralized programming (BLDP) to investigate differential subsidy rates in an attempt to solve the dispute; waste printers are used as subject for discussion.
To increase the waste printer recycling rate and the capabilities of recycling and treatment plants in Taiwan, this study uses BLDP to determine the optimal subsidy rate. The high level is RFMB which has three goals: minimize subsidy fees, minimize and maximize recycling rate, and minimize the administration cost. The low level is the recycling and treatment firms, of which the goal is to maximize profits. As the two levels have different goals, it is anticipated that an optimal allocation may be achieved after conflicting interactions. This study uses fuzzy approach and intuitionistic fuzzy sets to determine an optimal solution. In addition to the rates problem, the single rate system currently applied tends to cause stagnancy in treatment technique and ability because the total amount of printer wastes does not change. Thus, this study induced the concept of recycling and treatment firms grading and used differential subsidy to stimulate these firms to upgrade in hope to increase resource recovery rate and reduce recycling treatment wastes. The subsidy rates in this study was established by RFMB, so when single rate exists in the market, there is no difference between the benefits acquired by recycling and treatment firms and the implicit supply. Therefore, the single rate system currently adopted, which lacks change, is unable to highlight the impact of information waste market's recycling and treatment abilities on reusable resource. For recycling and treatment firms with different treatment quantities, this study attempted to stipulate a differential subsidy rate within available fund. This will improve the unreasonable phenomenon caused by the single rate system and conform to economic benefits.
The results of this study indicate that the subsidy rate for recycling, disposal and treatment and the recycling incentive may be adjusted to increase recycling rate. The results obtained by intuitive fuzzy approach conform better to not only the expectations of RFMB and recycling and treatment firms but also current situation. Although the recycling rate will be similar to the current rate, the goal of encouraging upgrading of recycling firms may be fully achieved. This will not only allow better efficiency of RFMB's fund flow, but also the profits of recycling firms will increase much more than current rates. Further, though this study allows all recycling firms to be capable of upgrading, it is suggested that the subsidy rate of recycling, disposal and treatment be slightly decreased if differential subsidy is desired to achieve the competing objective of recycling firms. The results of this study can provide a direction for RFMB resetting subsidy in the future.
論文目次 目錄 I
表目錄 III
圖目錄 V
第1章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究範圍 2
1.4 研究方法與限制 3
1.5 研究內容與流程架構 3
第2章 文獻探討 5
2.1 逆物流系統探討 5
2.1.1 逆物流系統定義 5
2.1.2 逆物流系統運作模式 7
2.2 台灣資源回收發展及基金制度 8
2.2.1 廢資訊物品回收處理現況 10
2.2.2 基管會現行費率 11
2.3 兩階層規劃模型 12
2.3.1兩階層規劃問題求解方法 13
2.3.2兩階層規劃應用 16
2.4 模糊數學規劃 17
2.4.1模糊趨近求解方法 20
2.4.2直覺模糊趨近求解方法 23
2.5 小結 26
第3章 具差別費率之模型建構 27
3.1 問題描述 27
3.2 提升廢印表機處理能力 28
3.3 廢印表機差別費率模型建構 28
3.3.1上階目標函數-基金管理委員會 31
3.3.2 下階目標函數-回收處理廠 33
3.3.3 模型限制式 34
3.3.4 建立模型 36
3.3.5 廢印表機差別補貼費率兩階層分散式規劃模型 43
3.4 直覺模糊趨近法模型之建立 46
3.4.1 模糊趨近法模型之建立 46
3.4.2 直覺模糊趨近法模型之建立 53
3.5 小結 61
第4章 模型求解之分析比較 62
4.1 模型求解 62
4.1.1 與現行費率之比較 62
4.2 參數分析 63
4.2.1 資源化價值參數分析 64
4.2.2增購設備成本參數分析 65
4.2.3 Ca參數分析 65
4.2.4 Cr參數分析 67
4.2.5 Cf2參數分析 69
4.3 小結 71
第5章 結論與建議 72
5.1 結論 72
5.2 建議 72
參考文獻 74
中文部分 74
英文部分 77
網站資料 81
附錄A 點矩陣式印表機預測營業量 82
附錄B 噴墨式印表機預測營業量 87
附錄C 雷射式印表機預測營業量 92
附錄D 羅吉斯迴歸報表 97
附錄E 模糊趨近法程式LINGO碼 98
附錄F 直覺模糊趨近法程式LINGO碼 103

表目錄
表2-1應回收廢棄物項目表 10
表2-2 廢電子電器及廢資訊物品回收清除處理補貼費率 11
表2-3 模糊數學規劃模式整理 19
表3-1 環保署公告費率值 33
表3-2 上階個別目標最佳值 33
表3-3 90~100年度各類型印表機申報營業量統計表 37
表3-4 渦電流分選設備額外資源化價格 40
表3-5非營業基金使用情形 41
表3-6 97年回收處理廠處理量比例 42
表3-7 增購設備後處理印表機每年額外增加成本 43
表3-8 本模型使用參數值表 45
表3-9 上下階最佳解與最劣解數值表 46
表4-1結果求解結果整理表 62
表4-2 模糊趨近法資源化價值敏感度分析表 64
表4-3 直覺模糊趨近法塑膠資源價值敏感度分析表 64
表4-4 模糊趨近法換增購設備成本敏感度分析表 65
表4-5直覺模糊趨近法增購設備成本敏感度分析表 65
表4-6模糊趨近法Ca參數分析表 66
表4-7直覺模糊趨近法Ca參數分析表 67
表4-8 模糊趨近法Cr參數分析表 68
表4-9直覺模糊趨近法Cr參數分析表 69
表4-10 模糊趨近法Cf2參數分析表 70
表4-11直覺模糊趨近法Cf2參數分析表 70
表A-1 移動平均法預測表 82
表A-2 指數平滑法預測表 84
表A-3 迴歸分析預測表 86
表A-4 迴歸分析殘差表 86
表B-1 移動平均法預測表 87
表B-2 指數平滑法預測表 89
表B-3 迴歸分析預測表 91
表B-4 迴歸分析殘差表 91
表C-1 移動平均法預測表 92
表C-2 指數平滑法預測表 94
表C-3 迴歸分析預測表 96
表C-4 迴歸分析殘差表 96
表D-1 羅吉斯迴歸報表 97

圖目錄
圖1-1 研究架構流程 4
圖2-1 逆物流流程圖 5
圖2-2 逆物流系統基本架構圖 6
圖2-3 逆物流機制概念圖 7
圖2-4 基管會四合一架構圖 8
圖2-5 國內現行資源回收管理體系運作方式 9
圖2-6多階層規劃問題求解方法之分類 15
圖2-7模糊隸屬函數圖形 18
圖2-8 x1模糊隸屬函數圖形 21
圖2-9 f1模糊隸屬函數圖形 21
圖2-10直覺模糊之模糊隸屬函數與非隸屬函數圖 23
圖3-1 上下階目標關係圖 29
圖3-2 α模糊隸屬函數圖形 48
圖3-3 f21模糊隸屬函數圖形 48
圖3-4 Ca模糊隸屬函數圖形 49
圖3-5 r模糊隸屬函數圖形 49
圖3-6 Cf1模糊隸屬函數圖形 50
圖3-7 Cf2模糊隸屬函數圖形 50
圖3-8 Cf3模糊隸屬函數圖形 50
圖3-9 α隸屬函數與非隸屬函數圖形 54
圖3-10 f21隸屬函數與非隸屬函數圖形 54
圖3-11 Ca隸屬函數與非隸屬函數圖形 56
圖3-12 r隸屬函數與非隸屬函數圖形 56
圖3-13 Cf1隸屬函數與非隸屬函數圖形 57
圖3-14 Cf2隸屬函數與非隸屬函數圖形 57
圖3-15 Cf3隸屬函數與非隸屬函數圖形 58
圖4-1 模糊趨近法之Ca參數分析圖 66
圖4-2直覺模糊趨近法之Ca參數分析圖 67
圖4-3模糊趨近法之Cr參數分析圖 68
圖4-4直覺模糊趨近法之Cr參數分析圖 69
圖4-5 模糊趨近法之Cf2參數分析圖 70
圖4-6直覺模糊趨近法之Cf2參數分析圖 71
圖A-1移動平均法趨勢線(3日) 83
圖A-2移動平均法趨勢線(5日) 83
圖A-3 指數平滑法趨勢線(α=0.1) 84
圖A-4 指數平滑法趨勢線(α=0.25) 85
圖A-5 指數平滑法趨勢線(α=0.5) 85
圖B-1移動平均法趨勢線(3日) 88
圖B-2移動平均法趨勢線(5日) 88
圖B-3 指數平滑法趨勢線(α=0.1) 89
圖B-4 指數平滑法趨勢線(α=0.25) 90
圖B-5 指數平滑法趨勢線(α=0.5) 90
圖C-1移動平均法趨勢線(3日) 93
圖C-2移動平均法趨勢線(5日) 93
圖C-3 指數平滑法趨勢線(α=0.1) 94
圖C-4 指數平滑法趨勢線(α=0.25) 95
圖C-5 指數平滑法趨勢線(α=0.5) 95
參考文獻 中文部分
1. 吳仲賢(2008),應回收廢棄物稽核認證團體專案工作計畫(廢電子電器及廢資訊物品類)。行政院環境保護署97年度委託研究計畫,未出版,台北市。
2. 吳南明、張志誠與薛宏欣(2000),我國資源回收法制之演進與評估,環境工程會刊
,11,29-37。
3. 李坤陸(2002),我國與世界主要國家資源回收制度之比較研究,國立台北科技大學環境規劃與管理研究所碩士論文,未出版,台北市。
4. 李坤陸(2002),我國與世界主要國家資源回收制度之比較研究,國立台北科技大學環境規劃與管理研究所碩士論文,未出版,台北市。
5. 李松宏(2010),以印表機為例談節能標章新推動產品之基準訂定,工業技術研究院綠 能與環境研究所,未出版,新竹。
6. 李曉蘋(2002),公營汽車客運業者面臨破產因應對策之研究,逢甲大學交通工程與管理學系碩士班論文,台中。
7. 林俊旭(2008),提升廢電子電器及廢資訊物品回收處理成效專案工作計畫。行政院環境保護署97年度委託研究計畫,未出版,台北市。
8. 施傑文 (2008),運用直覺模糊群體決策方法於圖書館管理導入RFID之研究,長庚大學資訊管理學研究所碩士論文,未出版,新北市。
9. 張益欽(2005),模糊要素價格下要素配置問題之求解與其應用,南台科技大學工業管理研究所碩士班碩士論文,未出版,台南。
10. 張清溪、許嘉棟、劉鶯釧、吳聰敏(2004),「經濟學—理論與實務」上冊,五版。
11. 許家瑋(2009),「台灣廢主機回收補貼費率制訂之研究-以基因演算法求解多階非線性規劃問題」,淡江大學管理科學研究所,碩士論文,新北市。
12. 郭育孟(2009),廢棄電子資訊物品逆物流回收之需求分析與預測研究-以台灣地區為例,淡江大學運輸管理學系運輸科學碩士班碩士論文,未出版,新北市。
13. 郭進安(2000),廢一般容器回收清除處理費之收費對象與費率訂定之研究。碩士論文,國立清華大學經濟系,新竹。
14. 陳永仁,黃揮原(2003),廢棄物回收政策-台灣經驗,台灣衛誌,第二十二卷第四期,318-326。
15. 陳志恆(2010),廢電子電器暨廢資訊物品類處理技術調查評估專案工作計畫,行政院環境保護署98年度委託研究計畫,未出版,台北市。
16. 陳冠中(2005),公告應回收廢棄物再生市場調查分析與應用計畫。行政院環境保護署94年度委託研究計畫,未出版,台北市。
17. 陳冠中(2005),公告應回收廢棄物再生市場調查分析與應用計畫。行政院環境保護署94年度委託研究計畫,未出版,台北市。
18. 陳柏宇(2011),「台灣廢印表機回收費率制定問題之探討 ― 兩階層規劃之KKT條件與直覺模糊趨近法之比較 」,淡江大學管理科學研究所,碩士論文,新北市。
19. 陳慈陽(2006),配合廢棄物零廢棄政策檢討研修合併廢棄物清理法及資源回收再利用法計畫。行政院環境保護署97年度委託研究計畫,未出版,台北市。
20. 陳憶慧,陳弘梅,劉冠廷,林佩瑩,郭碧芳,李文成,李清華(2008),廢IC板電漿熔渣之資源回收,科學與工程技術期刊,第四卷第二期,75-81。
21. 彭孟吟(2008),「兩階層數學規劃費率制訂之研究-以台灣玻璃容器資源回收機制為例」,淡江大學管理科學研究所,碩士論文,新北市。
22. 黃柏翰(2009),「兩階層非線性規劃費率制訂之研究-以台灣廢印表機回收機制為例」,淡江大學管理科學研究所,碩士論文,新北市。
23. 楊文正(2005),廢棄物物流系統規劃之研究,國立成功大學工業管理研究所碩士班碩士論文,台南。
24. 溫麗琪(1999),廢資訊物品回收清除處理費費率訂定之研議。中華經濟研究院編印
,未出版,台北市。
25. 溫麗琪(2005a),應回收廢棄物回收制度與費率架構檢討評估。行政院環境保護署93年度委託研究計畫,未出版,台北市。
26. 溫麗琪(2005b),廢棄物回收處理費之回收處理市場及誘因效果。人文及社會科學集刊,第十七卷第三期(94/9),491-520,台北市。
27. 溫麗琪(2006),應回收廢棄物責任業者範圍界定與費率因子檢討評估。行政院環境保護署94年度委託研究計畫,未出版,台北市。
28. 溫麗琪(2007),應回收廢棄物回收清除處理成本調查分析及費率訂定計劃。行政院環境保護署95年度委託研究計畫,未出版,台北市。
29. 溫麗琪(2008),資源回收清除處理費率架構調整暨強化費率審議委員會運作計畫。行政院環境保護署97年度委託研究計畫,未出版,台北市。
30. 溫麗琪(2008),資源回收費率審議委員會議運作及回收清除處理費率架構檢討計畫
。行政院環境保護署96年度委託研究計畫,未出版,台北市。
31. 溫麗琪(2008),廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃。行政院環境保護署97年度委託研究計畫,未出版,台北市。
32. 溫麗琪(2009),「廢電子電器及廢資訊物品自主回收處理管道解構及最佳化運作系統規劃」專案工作計畫,行政院環保署97年度委託計畫,未出版,台北市。
33. 廖慧凱(2006),道路災害搶修與緊急物流配送問題之探討,國立中央大學土木工程學系碩士論文,桃園。
34. 湯德宗(1997),廢棄物資源回收制度改進之研究。行政院研究發展考核委員會編,台北市。
35. 鄭力寬(2002),應用雙層次數學規劃於鐵路定價問題之研究,國立成功大交通管理學系碩士班碩士論文,未出版,台南。
36. 鄭兆祥(2003),運輸系統管理策略下最適運具配比之研究-二階規劃方法之應用,國立臺灣海洋大學河海工程學系碩士論文,未出版,基隆。
37. 蕭翰琦(2002),以類神經網路求解模糊多階層規劃問題,義守大學工業管理學系碩士班碩士論文,未出版,高雄。
38. 羅時芳 (2008),公告應回收廢電子電器及廢資訊物品環境影響成本推估及相關準則研擬計畫。行政院環境保護署97年度委託研究計畫,未出版,台北市。
39. 譚春橋,張強 (2006) ,模糊多屬性決策的直覺模糊集方法,模糊系統與數學,10,71-76。

英文部分
1. Amouzegar, M. A., and Moshirvaziri, K. (1999). Determining optimal pollution control policies: An application of bilevel programming. European Journal of Operational Research, 119, 100-120.
2. Amouzegar, M. A., and Moshirvaziri. K. (2001). Strategic management decision support system:An analysis of the environmental policy issues. Environmental Modeling and Assessment, 6, 297-306.
3. Angelov,P. P. (1997). Optimization in an intuitionistic fuzzy environment. Fuzzy Sets and Systems, 86, 299-306.
4. Angelov,P. P. (2001). Multi-objective Optimization in Air-Conditioning Systems: Comfort/Discomfort Definition by IF Sets. Notes on Intuitionistic Fuzzy Sets, 1, 10-21.
5. Atanassov, K. T. (1986). Intuitionistic Fuzzy Sets. Fuzzy Sets and Systems, 20, 87-96.
6. Bard, J. F. (1983). Coordination of a multidivisional organization through two levels of management, Omega, 11, 457-468.
7. Bard, J. F., Plummer, J., and Claude, J. (2000). A bilevel programming approach to determing tax credits for biofuel production. European Journal of Operational Research, 12, 30-46.
8. Beamon, B. M. (1999). Designing the green supply chain. Logistics Information Management, 12(4), 332-342.
9. Beamon, B.M. (1998). Supply chain design and analysis: models and methods. International Journal of Production Economics, 55(3), 281-294.
10. Bialas, W. F., and Karwan, M. H. (1984). Two-level linear programming. Management Science, 30(8), 1004.
11. Cadenas, S., and Verdegay J.L. (2000), Using ranking functions in multiobjective fuzzy linear programming. Fuzzy Sets and Systems, 111, 47-53.
12. Candler, W., and Norton, R. (1977). Multilevel Programming. Tech. Rep. 20. World Bank Development Research Center, Washington D.C.
13. Carter, C. R., and Ellram, L. M. (1998). Reverse logistics: a review of the literature and framework for future investigation. Journal of Business Logistics, 19(1), 85-102.
14. Cohen, M. (1988). Replace, rebuild or remanufacture. Equipment Management, 16(1), 22-26.
15. Daniel, V. R., Jayaraman, V., and Linton, J. D. (2003). Building contingency planning for closed-loop supply chains with product recovery. Journal of Operation Management, 21, 259-279.
16. Dennis, K. W. and Sheub C. (2002). A model for reverse logistics entry by third-party providers. Omega, 30, 325 - 333.
17. Dhanda, K. K., and Peters, A. A. (2005). Reverse logistics in the computer industry. International Journal of Computer, Systems and Signals, 6, 2, 57-67.
18. Dowlatshahi, S. (2000). Developing a theory of reverse logistics. Interfaces, 30(3), 143-155.
19. Dubois, D., and Prade H. (1980). Systems of linear fuzzy constraints. Fuzzy Sets and Systems, 3, 37-48.
20. Fleishmann, M., Bloemhof-Ruwaard, J.M., Dekker, R., van der Laan, E., van Nunen, J. A. E. E., and Wassenhove, L. N. V. (1997). Quantitative models for reverse logistics: A review. European Journal of Operational Research, 103, 1-17.
21. Fortuny-Amat, J. and McCarl, B. (1981). A representation and economic interpretation of a two-level programming problem. J. Operational Research Society, 32(9), 783-792.
22. Guide, D.V.R., Srivastava, R., and Spencer, M.S. (1997). An evaluation of capacity planning techniques in a remanufacturing environment. International Journal of Production Research, 35(1), 67-82.
23. Iakovidis, D. K., Pelekis, N., Kotsifakos, E., and Kopanakis, I. (2008). Intuitionistic Fuzzy Clustering with Applications in Computer Vision. In: Proceedings of the 10th International Conference on Advanced Concepts for Intelligent Vision Systems, 764-774.
24. Inuiguchi, M. and Inuiguchi H. (1990). Relative modalities and their use in possibilistic linear programming, Fuzzy Sets and Systems, 35, 303-323.
25. Inuiguchi, M., Sakawa M., and Kume Y. (1994). The usefulness of possibilistic programming in production planning problems. International Journal of Production Economic, 33, 45-52.
26. Jana, B., and Roy, T. K. (2007). Multi-objective intuitionistic fuzzy linear programming and its application in transportation model. Notes on Intuitionistic Fuzzy Sets, 13, 1, 34 – 51.
27. Jana, B., and Roy, T. K. (2007). Multi-objective intuitionistic fuzzy linear programming and its application in transportation model. Notes on Intuitionistic Fuzzy Sets, 13, 1, 34 – 51.
28. Khatibi, V., and Montazer, G. A. (2009). Intuitionistic Fuzzy Set vs. Fuzzy Set Application in Medical Pattern Recognition. Artifical Intelligence in Medicine, 47, 43 - 52.
29. Krikke, H. R., Harten, A. V., and Schuur, P. C. (1999). Business case Roteb: recovery. Strategies for monitors. Computers & Industrial Engineering, 36, 739-757.
30. Lamming, R., and Hampson, J. (1996). The environment as a supply chain issue. British Journal of Management, 7, 45-46.
31. Lee, E. S. and Shih, H. S. (2001). Fuzzy and Multi-level Decision Making: An Interactive Computational Approach. London: Spring-Verlag.
32. Liu, Y. H., and Hart, S. M. (1994). Characterizing an Optimal Solution to the Linear Bi-level Programming Problem. European Journal of Operational Research, 73(1), 164-166.
33. Miljkovic, D., (1996). Decision Making Process in a Nonpoint Pollution Control Model. Journal of Environmental Management, 45, 255-262.
34. Mohtadi, S. S. (2004). Bilevel programming and Recent Approaches. Journal of Applied Mathematics Islamic Azad University Lahijan, Autumn 2004, 22-35.
35. Mukhopadhyay, S. K., and Setoputro R. (2005). Optimal return policy and modular design for build-to-order products. Journal of Operations Management, 23, 496-506.
36. Nagurney, A. and Toyasaki, F. (2005). Reverse supply chain management and electronic waste recycling: A multitiered network equilibrium framework for E-cycling. Transportation Research E, 41, 1-28.
37. Orlovsky, S. A. (1980). On formulation of a general fuzzy mathematical programming problem, Fuzzy Sets and Systems, 3, 311-321.
38. Prahinski, C. and Kocabasoglu, C. (2006). Empirical research opportunities in reverse supply chains. Omega, 34, 519 – 532.
39. Sarkis, J., Darnall, N.M., Nehman, G.I. and Priest, J.W. (1995). The role of supply chain management within the industrial ecosystem. IEEE International Symposium on Electronics and the Environment, 229-340.
40. Shih, H. S., Lai, Y. and Lee, E. S. (1996). Fuzzy Approach for Multi-Level Programming Problems. Computer Operations Research, 23, 1, 73-91.
41. Shih, H. S., Wen, U. P., Lee, E. S., Lan, K. M. and Hsiao, H. C. (2004). A Neural Network Approach to Multiobjective and Multilevel Programming Problems. Computers and Mathematics with Applications, 48, 95-108.
42. Srivastava, S. K. (2007). Green supply-chain management: A state of the art literature review. International Journal of Management Reviews, 9, 1, 53-80.
43. Stock, J. R. (2001). The 7 Deadly Sins of Reverse Logistics, Material Handling Management, 56, 3, 5-12.
44. Tanaka, H., Okuda, T. and Asai K. (1974). On fuzzy mathematical programming, Journal of Cybernetics, 3, 37-46.
45. Thierry, M., Salomon, M., Van, N. J., & Van, W. L. (1995). Strategic issues in product recovery management. California Management Review, 37, 2, 114-134.
46. Wang, G.M., Ma, L. M. and Li, L. L. (1991). An Application of Bilevel Programming Problem in Optimal Pollution Emission Price. Journal of service science and Management, 4, 334-338.
47. Wen, U.P., and Hsu, S. T. (1991). Linear Bi-level Programming Problems. Operational Research Society, 42, 2, 125-133.
48. Zeleny, M. (1973), Compromise programming. In: Multiple Criteria Decision Making, eds: Cochrane J. L., and Zeleny, M. University of South Carolina Press, Columbia, South Carolina, 262-301.
49. Zimmermann, H. J., (1978). Fuzzy programming and linear programming with several objective functions, Fuzzy Sets and Systems, 1, 45-55.

網站資料
1. Bellman, R., and Zadeh. L.A. (1970). Decision – making in a fuzzy environment. Retrieved from http://www.imamu.edu.sa/Data/abstract/management/Decision-Making%20In%20Fuzzy%20Environment.pdf
2. Kalashnikov, V., Dempe, S., Pérez-Valdés, G., and Kalashnykova, N. (2011). Natural gas cash-out problem: solution with bilevel programming tools. The Clute Institute International Academic Conferences. Retrieved 2011-05-30, from http://www.cluteonline.com/conferences/index.php/IAC/2011NO/paper/view/338.
3. Li, D. F., and Yang, J. B. (2003). A multiattribute decision making approach using intuitionistic fuzzy sets (University of Manchester Institute of Science and Technology). Retrieved from http://www.eusflat.org/publications/proceedings/EUSFLAT_2003/papers/10Li.pdf.
4. 美國供應鏈管理專業協會網址 http://www.cscmp.org/
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2017-08-23公開。
  • 同意授權瀏覽/列印電子全文服務,於2017-08-23起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信