本研究利用兩階層數學規劃模型解析台灣地區廢主機回收費率制訂的問題。高階為環保署資源回收基金管理委員會，其目標在於回收基金的收支平衡；而低階為回收處理業者，其目標則是利益最大。由於兩者的目標不一致，透過此模型可反映出其衝突本質，而獲得妥協情況下之最佳解。
由於有限的資源，減量、重複利用及資源回收再利用成為解決環境與資源問題的三個主要方法。減量與重複利用只能暫時解決資源廢棄的問題，因此資源回收成為現今環境保護最重要之方法。民87年，我國環保署成立基管會制訂回收清除處理費率，推動各項應回收一般廢棄物的回收工作，希望藉此提高回收率並降低環境污染。此費率制訂涉及被徵收費率之責任業者及受費率補貼之回收處理業者，同時也包涵基管會的運作。本研究簡化此一關係後，以兩階層數學規劃模型表達。高階目標為平衡基金預算，低階則靠著努力提高回收率，來獲取較多的補貼費用以及資源化價值，以期獲得最大利潤。雙方目標不同，但決策又彼此互相影響雙方的目標函數，因而得以建立廢資訊物品回收費率制定之模型。
本模型為兩階層非線性規劃問題較為複雜，為簡化求解過程以及不增加問題的複雜度，利用Shih et.al (1996)所提出之模糊趨近法 (Fuzzy Approach) 轉換為單階非線性數學規劃模型，再以一般數學規劃軟體與基因演算法分別求解。分析結果發現，基因演算法較易跳出局部最佳解，與穩定求解的傳統解算法有各自的優劣。而回收處理業者之回收意願受到補貼費率及回收處理成本之影響。因此資源回收政策的推動，訂定最適的回收清除處理補貼費率舉足輕重。接著對回收清除處理補貼費率進行參數分析，結果顯示回收清除處理補貼費率與回收率朝同向移動，在達到最適點之後成反向變動。最後再將本研究所建立之兩階層規劃模型與現行之費率計算公式進行比較，發現本研究之模型係按兩階層之決策目標及限制建立，較符合實務上費率之互動情況，可供實務上進行費率制訂作業時之參考。

This study tries to make a recycling subsidy decision for recycling and treatment waste desktops in Taiwan through a Multi-level programming problem (MLPP). The upper-level decision unit is Recycling Fund Management Board (RFMB), Environmental Protection Administration of ROC Government (Taiwan) and the lower-level’s is the recycling industries. The former objective is to balance the recycling fund, and the latter’s is to maximize profits for recycling operations. Because both objectives are conflict, the MLPP will manage the interactive behavior and be solved with a satisfactory solution.
Because earth resources are over consumed, it’s important to save the resources and to reuse them. Reducing, reuse and recycling (3R) are three main actions to deal with the problem. Nowadays, recycling is the most important one to sustainable management. In 1998, RFMB has been established for controlling waste materials by setting up the recycling and treatment fee to recycling industries for increasing recycling ratio and decreasing environmental pollution. The funds are collected from manufacturers and importers for their responsibility. There are three stakeholders in the fee-setting game: recycling industries, manufacturers, and RFMB itself. We simplify the problem as a bi-level programming model. Since the model is a nonlinear MLPP and difficult to solve, we transform the model to a single-level nonlinear programming problem through fuzzy approach developed by Shih et al., (1996). The auxiliary model can be solved by traditional algorithm and genetic algorithm (GA), respectively. Because GA search process has an advantage to avoid local optimal, the global optimal solution are commonly obtained.
The results show that the subsidy fee and treatment cost affect recycling industries to recycle the wastes. Hence, to push the recycling policy is very important to set optimal treatment fee. After making a sensitive analysis, the subsidy fee and recycling ratio are up or down at the same time. And they have a different direction variation after optimal solution. Finally, we compare the model and formulation we used to estimate the fee now. The model set by this study is actually lucid to simulate the interactive behavior, because it set from decision objective and constrain of a bi-level programming. Hence, the model can be regarded as a useful tool for tariff setting on recycling desktop in Taiwan in the future.

目 錄
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	3
1.4	研究方法與限制	3
1.5	研究內容與架構	4
第2章	文獻回顧	6
2.1	國內目前資源回收現況	6
2.1.1	資源回收現況	7
2.1.2	現行資源回收費率公式	10
2.2	逆物流	11
2.3	報廢量推估方式	14
2.3.1	使用年限法	14
2.3.2	持有數法	15
2.4	資訊物品之二手市場	15
2.5	多階層數學規劃問題	16
2.6	模糊數學規劃	20
2.7	基因演算法	21
2.8	小結	27
第3章	廢主機回收費率制定之模型建構	28
3.1	問題描述	28
3.2	廢主機回收費率模型建構	32
3.2.1	符號說明與假設條件	33
3.2.2	高階目標函數─行政院基金管理委員會	35
3.2.3	低階目標函數─資源回收處理業者	37
3.2.4	模型限制式	40
3.2.5	模型建立	42
3.3	小結	55
第4章	案例分析	56
4.1	分析概述	56
4.2	廢主機回收費計算實例	56
4.2.1	傳統方法求解	60
4.2.2	基因演算法求解	60
4.2.3	解算比較	61
4.3	敏感度分析	61
4.3.1	補貼費率對回收率的影響	61
4.3.2	資源化價格(二次料價格)的影響	62
4.3.3	評估環境影響成本的影響	62
4.4	與現行基管會公告費率比較	63
4.5	小結	64
第5章  結論與建議	65
5.1	結論	65
5.2	建議	66
參考文獻	67
中文文獻	67
英文文獻	69

附錄 A	交配形式	72
附錄 B	突變率的設定和突變方式	74
附錄 C	基因演算法例題演算	75
附錄 D   硬碟之應報廢量與徵收收入之推估	82
附錄 E   電源供應器之應報廢量與徵收收入之推估	83
附錄 F   機殼之應報廢量與徵收收入之推估	84
附錄 G	LINGO (8.0) 程式碼	85
附錄 H	MATLAB (R2008B) 程式碼	90
表  目  錄
表2 - 1   環保署公告應回收項目	9
表2 - 2   模糊數學規劃整理	20
表3 - 1   環保署公告費率彙整	29
表3 - 2   廢資訊物品及廢電子電器處理廠廢主機營運資料	30
表3 - 3   87~97年度各材質業者申報營業量統計表	36
表3 - 4   97年廢主機回收處理成本	44
表3 - 5   二次迴歸計算過程	44
表3 - 6   二次迴歸式之參數矩陣運算	45
表3 - 7   主機報廢機率	46
表3 - 8   主機板之應報廢量與徵收收入之推估	47
表3 - 9   廢主機衍生物組成及處理成效分析表	48
表3 - 10  廢資訊物品回收處理方式	50
表3 - 11  廢資訊物品回收處理方式	51
表3 - 12  範例參數表	52
表4 - 1   高低階解算後數值整理	56
表4 - 2   傳統方法求解	60
表4 - 3   基因演算法求解	61
表4 - 4   CA參數分析	62
表4 - 5   G1參數分析	62
表4 - 6   環境影響成本分析	63









圖  目  錄
圖1- 1	研究架構流程	5
圖2- 1	資源回收四合一計畫	7
圖2- 2   資源回收管理基金運作方式	8
圖2- 3	回收時企業內的流動	12
圖2- 4	綠色供應鏈	13
圖2- 5	持有數法示意圖	15
圖2- 6	台灣現行資源回收體系	16
圖2- 7	多階層規劃問題求解方法之分類	19
圖2- 8   基因演算法的演算流程	23
圖2- 9	單點交配	72
圖2- 10	兩點交配	72
圖2- 11	雙點突變	75
圖2- 12	移動突變	75
圖3- 1	基管會回收清除處理費計算流程	31
圖3- 2   廢資訊物品回收處理流程	33
圖3- 3	長期成本曲線	38
圖3- 4	回收處理總成本	39
圖3- 5	二次料市場價格需求線	39
圖3- 6   補貼費率與回收率之關係      50

圖4- 1   F1	57
圖4- 2   F2	57
圖4- 3	CA 	57
圖4- 4	R	57
圖4- 5	X1	58
圖4- 6	X2	58
圖4- 7	X3	59
圖4- 8	X4	59
圖 5- 1	累計報廢機率	66

參考文獻
中文文獻
1.	何仁祥(民92)，以案例式推理為基礎的基因演算法解決生產排程問題，元智大學工業工程與管理研究所，碩士論文。
2.	吳詩敏 (民95)，組合編碼遺傳演算法於投資策略資金分配之應用，中央大學資訊管理學系，碩士論文。
3.	周鵬程 (民96)，遺傳演算法原理與應用－活用Matlab，全華科技圖書股份有限公司。
4.	張益欽 (民95)，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，碩士論文。
5.	張清溪、許嘉棟、劉鶯釧、吳聰敏(民93)，經濟學—理論與實務上冊，五版，。
6.	郭育孟 (民98)，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，碩士論文。
7.	陳冠中 (民95)，應回收廢棄物物品回收清除處理推估模式探討專案。行政院環境保護署94年度委託研究計畫，未出版。
8.	陳冠中（民94），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。
9.	陳家聰 (民91)，多階比例式批量排程問題-具產品生命週期階段、現金流量與市場行銷生產要求之模式，東海大學工業工程學系，碩士論文。
10.	彭孟吟 (民97)，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。
11.	楊有恆 (民94)，資源配置最適化二階層線性規劃模型之研究－以科技專案計畫預算分配為例，交通大學科技管理研究所，碩士論文。
12.	楊駕人 (民97），國防預算最適化資源分配模式與應用，交通大學科技管理研究所，碩士論文。
13.	溫建軍（民95），基因演算法在自主式無人飛機橫向模糊導引律設計之應用研究，元智大學機械工程學系，碩士論文。
14.	溫麗琪（民88），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。
15.	溫麗琪（民94 a），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。
16.	溫麗琪（民94 b），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。
17.	溫麗琪（民95），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。
18.	溫麗琪（民96），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。
19.	溫麗琪（民97），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96年度委託研究計畫，未出版。
20.	溫麗琪（民97），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。
21.	溫麗琪（民97），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96年度委託研究計畫，未出版。
22.	蔡瑜明 (民92)，半導體後段 IC 封裝最適排程之研究 禁忌搜尋法之應用，中山大學企業管理學系(研究所)碩士在職專班，碩士論文。
23.	盧彥榮 (民93)，因應京都議定書生效都會區最適運具配比模式之建立，海洋大學河海工程學系，碩士論文。
24.	羅時芳 (民97)，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96年度委託研究計畫，未出版。
25.	蘇木村、張孝德（民86），機器學習-類神經網路、模糊系統以及基因演算法則。

英文文獻
1.	Ahluwalia, P. K., Arvind K. Nema (2007), “A life cycle based multi-objective optimization model for the management of computer waste”, Resources, Conservation and Recycling Vol.51 , 792–826.
2.	Antreas D. Athanassopoulos (1995).”Goal programming & data envelopment analysis (GoDEA) for target-based multi-level planning: Allocating central grants to the Greek local authorities”, European Journal of Operational Research, Volume 87, Issue 3, 535-550
3.	Aryanezhad, M.B. and Mohammad Hemati (2008), “A new genetic algorithm for solving nonconvex nonlinear programming problems”, Applied Mathematics and Computation, Volume 199, Issue 1, 186-194
4.	Buckley, J.J., (1988). “Possibilistic linear programming with triangular fuzzy numbers”, Fuzzy Sets and Systems 26, 135-138.
5.	Cadenas, S. and J.L. Verdegay, (2000). “Using ranking functions in multiobjective fuzzy linear programming”, Fuzzy Sets and Systems 111, 47-53.
6.	DEB, K. (2001), “Multi-objective optimization using evolutionary algorithms”, Wiley.
7.	Dhanda, K. K., and A. A. Peters (2005), “Reverse Logistics In The Computer Industry”, International Journal of Computers, Systems and Signals, Vol. 6, No. 2.
8.	Dubois, D. and H. Prade, (1980). “Systems of linear fuzzy constraints”, Fuzzy Sets and Systems 3, 37-48.
9.	Fernandeza, Isabel and Tauno Kekaleb (2005), “The influence of modularity and industry clockspeed on reverse logistics strategy : Implications for the purchasing function”, Journal of Purchasing & Supply Management , 11 , pp. 193-205.
10.	Gen, Mitsuo, Runwei Cheng (1996), “Genetic Algorithm & Engineering Design”, Wiley.
11.	Guu, S.M. and Y.K. Wu, (1999). “Two-phase approach for solving the fuzzy linear programming problems”, Fuzzy Sets and Systems 107, 191-195.
12.	Hervani, Aref A. , Marilyn M. Helms and Joseph Sarkis (2005), “Performance measurement for green supply chain management”, Benchmarking: An International Journal ,Vol. 12 ,No. 4 , pp. 330-353.
13.	Hogg, Robert V. and Elliot A. Tanis (2001), “Probability and Statistical Inference”, Prentice Hall.
14.	Holland, J., (1975), “Adaptation in natural and artificial systems”, Universityof Michigan Press, Ann Arbor.
15.	Jonathan F. Bard, John Plummer, Jean Claude Sourie (2000). “A bilevel programming approach to determining tax credits for biofuel production”, European Journal of Operational Research, Volume 120, Issue 1, 1 January 2000, Pages 30-46
16.	Lai, Y.J. and C.L. Hwang, (1981). “A new approach to some possibilistic linear programming problem”, Fuzzy Sets and Systems 35, 143-150.
17.	Lee, E. Stanley and Hsu-shih Shih (2001), “Fuzzy and multi-level decision making: an interactive computational approach”, London: Spring-Verlag .
18.	Louis Gosselin, Maxime Tye-Gingras, François Mathieu-Potvin (2009),”Review of utilization of genetic algorithms in heat transfer problems”, International Journal of Heat and Mass Transfer, Volume 52, Issues 9-10, 2169-2188
19.	Maleki, H.R., M. Tata, and M. Mashinchi, (2000). “Linear programming with fuzzy variables”, Fuzzy Sets and Systems 109, 21-33.
20.	Mojsilovi, B. Ray, R. Lawrence, S. Takriti (2007), “A logistic regression framework for information technologyoutsourcing lifecycle management” Computers & Operations Research 34  3609 – 3627
21.	Orlovsky, S.A., (1984). “Multiobjective programming problems with fuzzy parameters”, Control and Cybernetic 13, 175-183.
22.	Pereira ,Cláudio M.N.A.and Wagner F. Sacco(2008), “A parallel genetic algorithm with niching technique applied to a nuclear reactor core design optimization problem”,Progress in Nuclear Energy, Volume 50, Issue 7, 740-746
23.	Shih, H. S. (2002).An interactive approach for integrated multi-level systems in a fuzzy environment, Mathl. Comput. Modelling 36 (4/5), 569-585.
24.	Shih, H. S., U.P. Wen, E. S. Lee, K.M. Lan & H.C. Hsiao (2004). A Neural Network Approach to Multiobjective and Multilevel Programming Problems. Computers and Mathematics with Applications 48, 95-108.
25.	Shih, H. S., Y. Lai & E. S. Lee (1996). Fuzzy Approach for Multi-Level Programming Problems. Computer Operations Research, Vol. 23, No. 1, 73-91.
26.	Sinha, S., (2003). “Fuzzy mathematical programming applied to multi-level programming problems”, Computers and Operations Research 30, 1259-1268.
27.	Tanaka, H. and K. Asai, (1984). “Fuzzy linear programming problems with fuzzy numbers”, Fuzzy Sets and Systems 13, 275-289.
28.	Tanaka, H., T. Okuda, and K. Asai, (1974). “On fuzzy mathematical programming”, Journal of Cybernetics 3, 37-46.
29.	U.P. Wen, & W.T. Wend (2000). “A primal-dual interior point algorithm for solving bilevel programming problems”, Asia-Pacific J. of Operational Research 17 (2), 213-231. 
30.	Wen, U.P., & A.D. Hung (1996). “A Simple Tabu Search Method to Solve the Mixed-Integer Linear Bilevel Programming Problem”, European J of Operational Research, 88(3), 563-571. 
31.	Wen, U.P., (1981). Mathematical Methods for Multilevel Linear Programming. Unpublished doctoral dissertation, State University of New York, Buffalo, New York. 
32.	Zimmermann, H.J., (1978). “Fuzzy programming and linear programming with severalobjective functions”, Fuzzy Sets and Systems 1, 45-55.