规划建模的目标

规划建模的目标_生态工业园系统的

自组织理论为我们揭示了：在一个开放的非线性的远离平衡态的系统，当外部控制参量达到某个阈值时，在随机涨落的触发下，系统可以通过突变形成新的更有序的结构。生态工业园区系统的演化形成可以用这样一个规律来描述，随着科学技术的发展，知识创新、技术创新、制度创新在各个产业实体之间会造成不均衡发展，所以在一定时期内，总是有一些企业（行业）优先发展，而另外一些夕阳产业在竞争中逐步被淘汰，产业结构将随着园内产业实体之间产品和原材料间链接关系的变化而发生变化，经过一系列优胜劣汰的演化过程，找到一种相对稳定的链接网络策略。

本章将探讨定量环境下生态工业园区系统的演化聚集分析。在一个产业系统中，如果能够充分获得特定分析时点的具体、详细的产业剩余物品种、排放、吸纳以及该剩余物处理的成本、效益等资料，这时的问题便可以转换成一个生态工业园区演化定量分析。

生态工业园区的设计和管理需要首先建立在定量分析的基础上，本章探讨的是某一个时点在确定条件下生态工业园区定量的演化结果及其调控情况，我们将分别从两个侧面进行分析：首先研究的是在一个相对开放的环境下遴选一批产业实体，从经济效益和生态效益两个目标出发，根据已经获得的定量数据资料，采用快速优化算法进行演化寻优，迅速得到一些产业共生的实体集，将这一个个实体集从其他产业实体中拎出来，每一个实体集就是组成生态园区的雏形；其次更进一步，利用规划建模的方法对上面产生的实体集进行分析，考虑在一个定量环境下的剩余物交换网络中，对生态工业园区不同的集成策略进行优化计算，讨论园区成员的退出或者加入、环境目标的改变、新技术引入等各种环境因素变化的情况出现的时候，生态工业园区系统是否还能遵循一定的法则进行优化组合，以便随时根据规划模型调整单元之间的关系，对相应的各种情况做一些分析，对潜在的风险进行防范和预测。

所谓演化分析机制就是借用自然界（生物界）进化发展规律的启迪，根据其原理，模仿其进化演化过程，设计求解问题的算法。目前解决这方面问题的工具很多，如人工神经网络技术、遗传算法、进化规划、粒子群算法、模拟退火技术和群集智能技术等。都是通过一代代筛选和培育逐步进化，找到最优个体。

在考虑设计生态工业园区时，我们一般从经济和生态两个方面考虑建立其模型。现假设在某一经济区域中，总共有n个企业（这里可以将消费者当成只有吸收没有排放的企业），还有m种工业剩余物，每个企业都有可能排出和吸收工业剩余物，企业在处理这些工业剩余物时都会有不同的成本和收益。我们的目的是在这n个企业中找出一串（或几串）企业，让这些企业组织在一起形成一种工业剩余物食物链，使工业剩余物在这个食物链中正好得以完全消化（或者剩余很少），并且它们的经济收益最大。

现在假设有工业剩余物排放与吸收矩阵AB：

这里aij为从企业j中排出的工业剩余物i的量，而bij是企业j吸收的剩余物i的量，这里i＝1，2，…，m；j＝1，2，…，n。

又假设有一个处理剩余物的成本效益矩阵EC：

这里eij为从企业j可以从处理的工业剩余物i中得到的效益，而cij是企业j处理工业剩余物i需要花费的成本，这里i＝1，2，…，m；j＝1，2，…，n。

在这里我们设计了一个产业实体链向量X＝｛x1，x2，…，xn｝T，其中：

经过以上假设，我们就得到求解工业生态园区系统问题的数学抽象：

已知，

寻找这样的X，X＝｛x1，x2，…，xn｝T，其中：xj∈｛0，1｝，j＝1，2，…，n。当xj为1时，表示企业j在剩余物交换网中，否则（xj＝0）企业j将会被暂时排除在剩余物交换网之外。也就是说我们要寻找的有效解X＊，就是一个剩余物交换网的雏形，在这个网中经济效益最大而且剩余物尽量得以互相消化。

我们提出的这个问题当然可以用穷举法进行计算，这里的X正好可以看成一个二进制的数（布尔向量），其穷举的计算工作量可以很容易地计算出是2n，可以想象这个工作量十分巨大，计算速度不能让人容忍，如果有100个企业参加这个计算的话，一个每秒计算速度为1000亿次的计算机要4千多亿年才能计算完成。显然不能使用穷举法。

为了能够尽快得到一个这样的链网，我们必须另外寻找一套演化机制，作为这个工业剩余物交换中心的核心算法。系统可以通过网络收集企业工业剩余物品种数量及其处理成本以及效益资料，再对这些资料进行整理，得到相应的矩阵和向量，然后通过智能计算方法，求出最佳网络以指导产业实体进行配对链接。

根据问题的表征，以及为了以后和第六章定量和定性相结合的分析方法相匹配，通过对一些智能计算方法比较分析，本节中选择了优化的遗传算法对本系统演化问题进行模拟求解。

遗传算法（Genetic Algorithms，GAs）是一种基于自然界生物机制的概率搜索方法。作为一种全局优化搜索方法，它有着简单通用、鲁棒性强、适用于并行处理以及应用范围广的特点，对于一些复杂问题，它表现出极强的解决问题的能力。采用演化算法对生态工业园区进行演化分析，预先找到一个相对较好的上下家关系，尽快帮助企业找到一个最具效益的生态食物链，尽量减少企业在实际进行生态配对过程中的交易成本。

从计算复杂性理论来讲，基于工业剩余物的生态工业园区企业演化聚集问题实际上是一个NP完全问题，很难精确求解，我们尝试了用改进的遗传算法对这个问题进行求解。

1．染色体的编码

在这个问题中假设有n个企业，分别编号为：1，2，…，n，于是用n位二进制代码表示企业是否被选中为生态工业食物链中的企业，1表示选中，0表示未被选中。于是遗传算法问题的染色体就是X：X＝｛x1，x2，…，xn｝T，其中：xi∈｛0，1｝，i＝1，2，…，n。

2．目标函数和适应度函数

完成了编码问题，需要将目标函数转换为适应度函数。这是一个多目标的问题求解，由于量纲问题，一个是工业剩余物的数量，一个是经济效益值，目标中的量值由于处理单位的不一致，导致处理目标之间的关系比较困难，很难用加权的方法统一目标，也不能使用常用的约束法和分层序列法等方法直接求解。为了解决这个问题，我们采用了功效系数法，首先对目标函数f1、f2进行转换，用功效系数d1和d2来表示：

dj＝dj（fj（x））；j＝1，2，其中0≤dj≤1（或0≤dj＜1），要使得目标最满意时：dj＝1，目标最不满意时：dj＝0。

为了使问题得到比较好的解决，转换采用指数型的方式，首先对求最大值的效益目标f2进行分析，考虑：

可以看出，这个函数d2有如下性质：

当f2充分大时，d2≈1；

d2是f2的严格递增函数。

将4－5式代入4－6式可以得到功效系数d2：

同理可得剩余物交换过程中，求最小值的剩余物相互消耗目标也可以转换成：

将它转换成最大化问题，我们重新设：

目标转换成了功效系数以后，令：

我们的问题就变成：

可以证明，这时问题的最优解，就是原问题的有效解。

于是我们最后得到的适应度函数为：

3．选择操作

根据适应度函数ft（l）＝h（F（Xl）），计算每一个X1，X2，…，Xk的适应度函数ft（l），得到选择概率：Ps（l）＝ft（Xl）／∑ft（Xl），l＝1， 2，…，k，此处∑Ps（l）＝1。

图4．1　赌轮示意图

下面设计赌轮：

利用随机函数pl＝Random（1）（0≤pl≤1，l＝1，2，…，k），对X1，X2，…，Xk进行选择。

选择合适的企业，如果pl落在了Ps（j）则选择Xj，我们可以看到选择概率Ps（j）越高，pl落在其中的机会越大，于是得到一组新的染色体。在这一步中，可以让用户不管pl落在什么地方，一定选择Xj。事实上在以后的交叉和变异运算中，还可以对某些xi（i＝1，2，…，n）进行人为指定，让它们等于1或0，这样可以人为地通过环境工程学的知识根据需要调节选优，以免优秀基因落选，或劣质基因被复制。

4．交叉操作

交叉运算如下：

5．变异操作

6．进行判断

对每个X1，X2，…，Xk计算其适应度函数ft（Xl），如果存在一个l使得ft（Xl）足够大，或者G＝Q（Q是一个设定好的比较大的遗传代数，比如Q＝500），就可以结束算法，输出结果；否则，令G←G＋1，转到步骤3选择操作，继续遗传过程。

事实上，如果n足够大，又假设世界上没有完全的废弃物的话，只要适当放宽对适应度的要求，就总会有这样一个工业食物链，使其将所有的剩余物消化在循环中。

演化算法是模拟自然界的生物演化过程，借鉴生物界的自然选择和自然遗传机制而发展起来的一类问题求解的策略和方法。它采用简单的编码技术来表示各种复杂结构，并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。由于演化算法本身具有的自组织、自适应和自学习等智能特征以及本质的并行性和易于操作、通用性强等特点，目前已被成功地应用于机器学习、模式识别、经济预测、优化控制及其并行处理等领域。演化算法最初具有三个分支：遗传算法（GA）、演化规划（EP）和演化策略（ES）。20世纪90年代初，在遗传算法的基础上又发展了遗传程序设计这一新的分支，它用树结构来表示不同的计算机程序，由叶节点形成终端集，通常包括变量、常数和无参函数，由中间节点形成函数集，通常包括算术操作和一些带参数的初等函数。采用遗传算法的基本思想，通过使用一些遗传操作（包括选择、交叉、变异等遗传算子），动态地改变这些结构，并且一代代演化下去，直到找到满足问题要求的解。

遗传算法本质上是一种随机搜索优化算法。由于遗传算法中选择、交叉及变异等算子的作用，一些结构较好的基因片段有很大概率会因其随机产生的参数不合适致使其适应值低而被淘汰出种群，这些优秀基因片段过早地丢失，会限制搜索范围，使得搜索只能在局部范围内找到最优值，而不能得到满意的全局最优值。过早收敛在传统的遗传算法中很普遍，而且比较难克服。传统的遗传算法总是随机地生成初始种群，这样做的目的是为了保证种群个体生成的随机性和代表性，交叉运算的目的是为了将优秀基因遗传到下一代，所以交叉要尽量保持那些优秀的基因特征。而变异操作的目的是为了增强其局部搜索能力，在接近最优解时进行局部微调，保持群体的多样性，以防止未成熟收敛。所以，变异概率一般取得非常小，为的就是不让变异操作对所得到的问题解造成很大影响。

我们在实际运行算法时，为了提高运行速度，对前面标准的遗传算法进行了一些改进。首先对初始群体进行优化，先对种群中的企业个体按工业剩余物的排放或吸收和使用剩余物带来的效益进行降序排序。可以认为效益高的和剩余物排放多的为生态工业园区需要重点引进的企业，还可以指定一些企业为生态工业园区必须引进企业（令这些企业基因xi＝1），或者就根本不让这些实体参加演化，使其直接存在于生态园区里。甚至在算法中还可以设计让算法的使用者人为地对交叉和变异过程进行干预，所以我们设计了一个可以人为干预的自组织的演化模型。

在进行生态工业园区建模时，所考虑的产业实体可以是生态工业园区候选实体。我们可能只是为了研究设立这些产业实体的生态效益可行性，也就是说只是为了分析这些候选企业是否能被加入到生态工业园区中。可以将它们设计到算法中，让模型进行演化，看是否能得到预期的结果。

在这里笔者认为能量的梯级使用以及水的分级使用均可以表现成各种不同的工业剩余物，算法有一定的普遍意义。

为了便于编写计算机程序，下面我们给出了该算法的伪码（Pseudo Code）：

我们为这个算法编出了程序，并能得出运行结果。限于篇幅，我们仅对某地区的10个企业和它们之间的10种剩余物进行分析，为了便于使用MATLAB矩阵运算，将AB和EC拆分成A、B、C和E四个矩阵，其中排放与吸收矩阵A、B为：

它们处理剩余物的成本和效益矩阵E、C为：

考虑到可能会有某些畸形数据，需要对矩阵中所有数据在进入运算前进行约当处理。一般可以通过指数法对数据进行归一化，令其保留两位小数，这样才会使得算法在运行过程中不失偏颇，否则如果有某些数据太大或者过小都会在计算过程中被忽略或者被过分重视，这一点需要在实际计算时加以考虑。

在这里设：，运用MATLAB我们对算法分别进行了50代、100代和500代的运算，算得h（F（Xl）），如图4．2、图4．3、图4．4，可以发现仅仅计算了10代左右算法就进入收敛，我们最终取得X＝［0001000100］，当然还可以得到很多近似解。事实证明，我们的算法比预计时间要短，能够更快更有效地收敛，所给出的算法是可行的。

图4．2　50代计算

图4．3　100代计算

图4．4　500代计算

在实际应用上，如果AB，或者EC矩阵中的值有所变化，也就是剩余物排放和吸纳数量或者成本收益资料发生了变化，我们可以重新运用这个算法快速计算出新的生态工业园区网络。

生态工业园区系统是循环经济的具体实践，实际运用时甚至可以不必太理会地域的问题。生态工业园区的建立可以从三个层次入手考虑：首先，从企业内部将我们的算法运用到企业的每个工序或车间，就可以得到一个企业内部的工业食物链；其次，将算法运用到一个地域，对某个地域的企业进行分析，考虑组建一个地域性的生态工业园区；最后还可以跨区域，将剩余物的物流成本算进到EC矩阵，收集尽可能多的企业，通过广泛的互联网，经过算法的演算，组建一个虚拟的生态工业园区组织。

实际上，在具体运用遗传算法进行计算时，还可以有其他很多算子和操作，比如：

（1）位置移动操作。在基于多主体的新型遗传算法中，Agent既可以固定在某个位置进行各种操作，也可以边移动边进行操作。

（2）选择操作。选择操作与SGA中的选择算子相类似，它主要是选择合适的Agent进行相关操作。

（3）淘汰操作。淘汰操作基于Agent性能评估值，把性能较差的Agent淘汰出Agent群体，留下较优秀的Agent。

（4）繁殖操作。通过繁殖操作可以在Agent群体选出性能优异的Agent，通过它们的繁殖产生出更优秀的后代Agent，加快Agent群体的演化速度。

（5）继承操作。通过繁殖操作产生的后代Agent的各种属性和参数即可以随机确定，还可以按照遗传规则从父代Agent处继承下来，还可以完全选择父代中的所有优秀性能进行继承。

另外，我们将遗传算法运用于生态工业园区的演化计算还有一层意义，就是可以利用遗传算法的并行计算能力，对生态工业园区的演化进行并行建模。考虑将一个地区视为一个小生境（Niche），对每一个小生境设计一个模型处理系统，每一个处理系统都各自运行我们前面算法所设计的程序，然后通过公用存储器建立整个大环境的工业剩余物循环食物链（网），实现分布式计算。通过对生态工业园区演化机制的研究，为实现整个社会的循环经济做贡献。

世界著名的生态工业倡导者、现任加拿大Dalhousie大学资源与环境研究院院长库泰，对园区内企业产生的废物或者剩余物（Residua）赋以新的内容和新的含义：“什么叫废物？废物其实就是资源放错了位置或未合理使用，也就是在错误的地点、错误的时间、放置了错误的资源数量。”在一个生态工业园区中，一个企业产生的废弃物或剩余物正好是另一个（或几个）企业的原材料。这样，生态工业园区内的工业企业或公司就可以以剩余物为纽带形成一个相互消耗的依存关系，形成类似于自然生态食物链形式的生态产业剩余物交换网系统。在建立这个生态产业剩余物交换网系统时，人们最大的困惑是如何找到这样一家相关联的产业实体系统，使得系统中实体所产生的剩余物在这个系统中相互消耗殆尽（或者将剩余物的排放控制在一个合理范围）。

在本节的研究中将回答：在定量的环境下，也就是说在一些条件已知的情况下，如果已经有了这么一个生态工业园区系统的剩余物交换链（网）（这在上节中已经讨论），在给定经济效益的前提下或者在生态效益的要求下，成员之间的产业剩余物平衡供需关系是否能够保持；一旦平衡被打破（产业实体的退出或进入），新的平衡将会是什么样子；研究成员组成和相互间的联系是怎么样的，系统具有怎样的完备性和稳定性。

生态工业园区的运转机制可以看做是一个有着高效的物质、能量和信息流动的网络，而网络组织和各个节点的表现是决定生态工业园区效率的关键因素。假定某生态工业园区内有p＋1个企业实体，即对某个企业来讲，它和其他p个企业之间可能会有剩余物的交换关系，于是可能就会有q个剩余物处理关系对：

q≤p（p＋1）／2

在某个生产周期内，可能有n种剩余物需要处理，用xijk表示企业j最多可以从企业i接受处理k（k＝1～n）类剩余物的数量，rik表示i企业出售k类剩余物的单位收益，Dik表示企业i对k类剩余物的排放量。如果没有其他企业接受其剩余物或者剩余物处理不完，企业只好将其直接对外排放，并支付排污费。用yik表示企业i对无法处理的剩余物k向外的排放数量，实际上，可以看出：

用Ω表示所有企业关系对（i，j）的集合，即Ω＝｛（ij）｝。这里用Ωd表示有剩余物排放接收关系的企业对的集合。

于是，对单个企业i来说，该问题的目标就是为了使得剩余物处理利润最大化，即：

而对整个园区来说，目标是为了追求整个园区的剩余物排放量最小：

代入，式4－12可以变换为：

最后可以转换成为：

式4－15中的ck可以认为是管理层对剩余物k的排放惩罚约当系数，或者是排污费率。

如果问题是为了求Ωd，即当其他变量为常数的时候，到底有哪些企业在剩余物处理链上，看到底有哪些企业组成的剩余物交换网为最优网络。

于是要考虑企业j是否为企业i的剩余物接受者的问题，定义：，将其写入式4－14、4－15中，于是有目标：

可以看出，问题开始明朗，这时变成了一个规划模型，于是可以使用规划模型的解法对问题进行相应的求解。

按照规划建模的目标所提出的需求，对于模型需要进行多种转换以满足不同的求解要求。以下的讨论对不同的问题进行几种转换，分别得到几种模型。

模型1　入园企业的经济效益目标确定

首先在进入园区时，可能每个企业出于对自己的经济利益的考虑，都有一个自己的经济效益的期望目标值Ei，在加入生态工业园区时，各产业实体都希望自己获得的经济效益不低于这个值。于是问题可以转换成如下格式：

这是一个线性规划问题，其中Aij为所求的变量，A是一个二维的二进制矩阵，很容易求解。

这个模型可以为准备加入园区的产业实体提供参考，如果每个入园企业都有一个对经济效益的目标期望值，经过这个模型的计算可以得到一个在效益上和总排放量上都比较合适的生态工业园区的链（网）。

模型2　整个园区的总的排放量约束要求已知

如果整个园区对剩余物的排放量有具体要求，约当后形成一个总排放量R，园区管理层要求总排放量不得超过这个水平，于是模型转换为：

如果对园区来说每个企业在剩余物处理利益问题上其权重都是等同的，可以将这p＋1个目标函数化成一个，将它们加和，问题成为：

其中Aij为所求的变量，A是一个二维的二进制矩阵，于是这又成了一个线性规划求解的问题。

模型3　提高排污费率，对入园企业的影响

这是分析入园企业数和排污费率的关系，如果排污费率低，可能大家都选择直接排放。但是排污费提高了，可能会促使企业加入剩余物交换行列，如果要求太高企业将无法盈利而导致没有入园企业。很显然我们是为了寻找这样一个排污费率，它的制定正好让企业有积极性加入剩余物交换行列。

这时的每个企业都有一个既定效益目标Ei，由于这些企业已经确定是园中企业，故这时的Aij均等于1，于是问题变成：

这是一个求变量Ck的线性规划方程，求解也十分简单，求解工具很多，只要将其代入任何一种计算机数学工具计算软件即可求解。

模型4　园区某个企业某些剩余物的排放量发生变化

剩余物排放量的数量和质量的稳定一直是园区剩余物交换网正常运行的保障，剩余物排放品种和排放量的变化，将会影响园区剩余物交换网的走向。在这里需要计算每个企业每种剩余物排放量的变化幅度，求它们在什么范围内的时候，园区的剩余物交换链（网）将维持原状不变。这是一个求Dik范围的问题，这个问题变得有些复杂。首先求在每一个企业既定效益目标下的Dik范围，即运用下面的线性规划来求解Dik：

然后计算在园区总排放量控制下的Dik范围，即求：

这时需要在总排放量控制下的Dik和既定效益目标下的Dik之间取交集，便可以得到问题的解，当然这个解也可能不存在。

模型5　园区某个企业退出

分析园区剩余物交换网中每个节点的重要程度，根据复杂网络的理论，找出关键节点所在。这些关键节点的退出将导致园区整个剩余物食物链的崩溃，因此，园区应做好这些关键节点的监控防护和寻求替代节点，从技术上尽可能减少关键节点的影响因子。在操作过程中可以扩大入园企业的选择范围，生态系统耗散结构理论要求系统具有开放性，系统越是开放，稳定的均衡状态就越能达到。于是当某一节点退出时首先应该从更大的范围寻求其替代企业，这就是虚拟生态工业园区的优点所在。当然还可以在现有企业中组成较小的循环链（网）使园区损失降为最低，仍然可以采用模型1和模型2对问题进行求解，最快地整合园区剩余物交换网络。

模型6　园区外某个企业是否能进入园区

当有园区外某个企业申请进入园区剩余物交换网时，可以从企业自身和园区管理两个方面考虑这个问题。

对欲入园的企业个体来说，这实际上又成了模型1的问题。它将自己的目标利益代入模型，求解问题，计算该企业j是否能在园区中（Aij＝1），然后再计算出得到的总排放量是否符合园区的要求，如果符合，可以尝试申请入园，否则自己没有入园的可能。

对生态工业园区管理者来说，有企业要申请入园，则可以运行模型2，在园区对剩余物排放的要求下，看该企业是否具备入园资格。

以上问题的求解均可以通过现有的一些求解线性规划的软件（如LINDO、MATLAB等）进行快速求解。

考虑有8个企业10种剩余物的情况。D为企业（i）对k类剩余物的排放量矩阵，X为企业j最多可以从企业i接受处理k（k＝1～n）类剩余物的数量矩阵，R为i企业出售k类剩余物的单位收益矩阵，C为园区管委会对排放剩余物k收取的单位排放处理费用矩阵，A为剩余物交换网表示矩阵。

X是一个三维矩阵，首先设对k＝1的剩余物，企业j最多可以从企业i接受数量为：

等，由于篇幅，X（2）～X（8）略。

这时每个入园企业有其处理剩余物的效益期望值，这是如果为了求A，即对模型1条件下求解的情况，得到矩阵A：

根据矩阵A可以画出网络拓扑结构图4．5：

图4．5　生态工业剩余物交换网拓扑结构图

同理，可以求解其他模型，在此不一一列举。

随着经济的发展，人们越来越注重生态环境，政府管制对排污交易权费用和排污税费的力度逐渐加大，于是企业在剩余物处理上的支出费用也越来越高，使得越来越多的产业实体开始考虑运用循环经济理念，积极寻找其剩余物排放的下家（接受单位），回避排污费；同时为了开源节流，企业自己也不断地找寻接纳剩余物以获得政府相关的环境保护补贴，从而维持企业总体利润最大。目前对于虚拟生态工业园区中企业整合的研究文献还不多见，人们对生态工业的信心还是不够，需要全社会更多学者的关注。本章站在政府管制以及公共政策的角度，以经济收益和生态效益两个方面进行约束，从建立一个生态工业园区系统剩余物交换的实体集合开始，通过分析剩余物排放费率调整、剩余物排放量变化、关键节点的设置、园外企业申请入园审查以及园区企业退出等方面，用演化优化的方法对虚拟生态工业园区进行了建模，并对所组建的模型和规划模型进行了定量求解和调控分析，得出了一些有益的结论：①考虑了每个企业可以从其他企业接受剩余物的品种和数量，增加了模型的复杂度，几个企业就有几个矩阵，矩阵运算费时费空间，要求数学计算工具；②在各环境参量确定的情况下，定量分析方法能更好地体现生态工业园区系统的集合特征，在特定的目标函数引导下，利用演化算法可以很快得到一个优化方案，从而得到一个生态工业系统的原始模型；③在一些环境参量可以确定的条件下，容易得到工业生态园区的原型，运用规划建模的方法使系统的调控和求解更加方便。

目前，对于生态工业园区管理的研究才刚刚起步，本章针对生态工业园区剩余物交换的静态网络调控进行了探讨，还有一些问题尚待解决：第一，剩余物交换网管理系统的前提是对剩余物排放和需求有一个准确测量和预测，因为剩余物具有三维特征，其排放的质量和数量会受到企业生产品种的影响，甚至品种也会同时由于企业创新技术的应用而发生变化，需要找到一种实时应变的解决方法，而本章在此只能是对系统某一个特定时点的分析，只是一个静态的某个特定位置上的分析，还必须探讨新的动态的预测模型和方法。第二，本章在此仅从定量的角度探讨了控制策略。实际上，由于剩余物种类多，难以分类或者分离，加之生态工业园区的特殊性，还需要进一步探讨动态网络控制和动态管理机制，以定性的角度满足实际的需求。第三，由于剩余物交换网络是建立生态工业园区的基础，所以研究剩余物交换网定性的动态演化规律和演化机制问题将是下一步的重要内容。