基于生物启发式的优化方法，利用食物网指标来改进建筑行业的生态工业园区网络

摘要

工业共生（IS）和生态工业园区（EIPs）越来越多地被推广为资源密集型行业（如建筑行业）向循环经济转型的实际路径。在这些行业中，多样的废物流、质量波动以及碎片化的供应链常常限制了可行交换的数量和稳定性。基于仿生设计原则，本研究探讨了如何优化建筑行业的EIP网络，使其更接近生物食物网中观察到的结构模式，以及优化选择和参与规则如何影响最终的网络拓扑结构。利用建筑共生数据库和五种理论交换场景，构建了受场景约束的优化模型，以趋近于包含碎屑的生物食物网的参考值。测试了四种目标函数类型（OFTs），这些函数代表了聚合多指标偏离基准值的多种方式，并在两个平行模型家族中进行了验证：一个模型将连接性排除在目标之外，另一个模型则明确将连接性作为评估因素。遗传算法被用来优化这些受场景约束的网络模型，并高效地探索了庞大的组合解空间。研究结果表明，与选定食物网基准的结构相似性取决于具体配置。场景规则和目标函数的选择系统性地引导解决方案形成不同的网络形态，从而在各项指标之间产生明显的权衡，而非实现统一改进。在表现最佳的配置中，提供废物的企业与接收废物的企业之间的比例在某些情况下接近基准水平，但在其他情况下存在显著偏差；同时，链接密度和循环性始终存在不足，表明在建筑行业的特定可行性约束下实现密集、高度循环的结构具有挑战性。明确包含连接性可以减少某些目标函数趋向极端连接性的倾向，从而获得更加平衡的指标分布，这表明连接性是一种限制极端连接性的结构约束因素，而非生态真实性的体现。以互惠为导向的参与规则（特别是要求接收企业也提供交换的规则）在某些目标函数和包含连接性的组合下，与更符合基准的解决方案相关联，而非在所有情况下都占主导地位。对于实践而言，研究结果表明，基于生物启发的EIP规划可以将连接性视为一个可控的设计参数，并在符合选定的目标设定和可行性约束的情况下考虑互惠参与政策。未来的研究应整合交换量、成本和质量约束以及不确定性动态，并报告帕累托最优解集，以支持利益相关者的选择和实施。