近年来,随着经济飞速发展与生活水平日益提高,我国手机用户规模已达13.2亿,但是每年废弃的2亿部手机中的回收率尚不足1%。究其原因是没有形成一个有效的废旧手机回收网络对废旧手机进行科学合理的回收利用。而对于废旧手机回收网络的研究最亟需解决的问题是:对废旧手机回收需求的预测;回收处理点的选址;回收路径的优化。手机信令数据具有采样率高、数据具有连续性,获取费用低等特点,并且隐含有手机用户行为信息,所以可以利用手机信令数据进行挖掘,开展废旧手机回收网络的研究。本文主要进行了以下四个方面的研究工作:(1)废旧手机回收网络的分析与构建研究了国外废旧手机的回收渠道与方式,分析了我国废旧手机的回收现状。总结出废旧手机回收网络的特征为:需求不确定、结构复杂、目标多样与处置昂贵;其功能为:回收、分类与检测、拆解与再利用、废弃处置。通过对其特征功能的研究,设计了由回收处理点、拆解与再利用中心、企业再制造再循环、废弃处理中心构成的四层旧手机回收网络。(2)基于手机信令数据挖掘的回收时空需求预测研究了手机信令数据的采集与格式,分析了手机信令数据的特征,设计了回收时空需求预测的技术路线。构建了本身因素函数与时空因素函数,并利用手机信令数据结合本身因素与时空因素两个层面对废旧手机时空需求进行了预测。本身因素通过贝叶斯推理完成;时空因素通过结合停留点识别、居住地、工作地与活动目的地的判别的时空分布曲线刻画。最后利用潍坊市5天的手机信令数据得到了潍坊市的废旧手机回收需求,为废旧手机回收处理点选址奠定了基础。(3)废旧手机回收处理点选址模型与求解构建了废旧手机回收处理点选址模型,相较于传统选址模型,其创新点在于回收需求,本模型使用的是废旧手机回收时空需求,其构成方面是由本身因素与时空因素两部分构成,表现出来的形式是一条时空链,即需求的位置与数量都是变化的。本文设计了次梯度优化的拉格朗日松弛算法对模型进行求解。最后运用了潍坊的真实数据进行案例分析,通过对不同候选点、不同选址个数方案的比较,证明了构建的模型与设计的求解算法拥有较好的实用性,能指导企业进行选址。(4)废旧手机回收路径优化模型与求解构建了废旧手机回收处理路径优化模型,与传统的车辆调度模型的区别在于:回收处理点回收处理废旧手机的数量是不确定的;车辆调度问题解决的是一天的决策问题,而废旧手机回收处理路径优化问题是一个长期的决策问题。并构建了混合蒙特卡洛模拟与Hopfield神经网络的筛选神经网络,通过遗传算法与筛选神经网络对模型进行了求解。最后选择候选点数1200个,选址个数为60个的选址方案为典型案列进行分析。混合智能算法在129077次进化后达到收敛,证明了模型与求解算法能够解决实际问题,指导企业运营并提升回收工作效率。