包装废弃物物流网络属于逆向物流网络的一部分，与正向物流网络在结构上有许多相似之处，因此，包装废弃物物流网络的规划方法一般是在对传统物流网络规划模型拓展和修改的基础上得到的。包装废弃物物流网络设计的总目标一般是物流总成本最小化，包括库存持有成本、仓储成本和运输成本，同时满足用户对反应时间的要求。
物流网络的设计过程是复杂的，常常需要借助于各种数学模型和计算机模型。按照系统建模方法的不同，常见的网络设计模型主要有图表模型、最优化模型、仿真模型、启发式模型和专家系统模型。其中，图表模型适合进行初级分析；最优化模型适合于问题比较清楚、明确，能用数学模型表达的系统；启发式模型和专家系统模型适合于对主观经验和定性因素进行分析；仿真模型以计算机仿真技术为基础，适合于带有随机不确定性的离散系统。最常见的3种模型为：最优化模型、仿真模型和启发式模型。
一、最优化模型
最优化模型是依赖精确的数学模型来分析和评价废弃物物流网络的各种可选方案，从数学上可以证明所得到的方案是针对该何题的最优解。
最优化模型主要包括各种数学规划模型.如线性规划、非线性规划、动态规划、混合整数规划、排队模型及随机模型。按优化变量的不同又可分为：连续型网络优化模型、混合整数规划模型。
连续型网络优化模型的典型应用就是单设施选址规划的重心法模型，该模型以运输总成本最小为目标，优化过程采取多次迭代和逐渐逼近的数学方法。由于优化模型是进行了一系列的假设和简化的，因此最后得出的最佳坐标点往往需要修正，或作为选择初始方案的参考 依据。
混合整数规划模型常用于多设施选址、网络最佳路线设计等问题中。由于变量空间的不连续，模型的求救过程中存在组合爆炸问题，一般采用数值逼近等方法，而且只能得到近似的满意解。目前应用的主要求解方法有：遗传算法、节约法、分枝定界法、逐次逼近法、SAD模拟法、最短路径法等。
最优模型也有其局限性。由于实际系统的复杂性，一个数学模型往往无法包含现实问题中所有的约束与影响条件，需要进行一系列的假设。如果建立的模型对现实系统的描述过于细致，即使利用最先进的计算机，也会因为组合爆炸问题也无法在合理的计算时间内得到最优解。因此，需要在问题求解的时间与问题描述的全面性之间取得平衡，即需要在运算能力限制和假设条件个数之间进行权衡。
二、仿真模型
理论上的数学最优解有时对现实的系统却是没有意义的，如物流网络设施选址问题，按数学模型求出的最优解可能位于某条河道或桥梁上。物流网络设计中存在许多随机因素，有时数学上的最优解并不是问题的关键，因此需要利用仿真技术建立系统仿真模型。
仿真模型能真实地模拟系统过程，可用于物流系统规划的很多方面，如物流设施选址、物流绩效影响因素分析、物流设备配置及物流成本分析等。大部分仿真模型需要针对所分析的具体问题专门设计。目前国外已有一些专门处理物流问题的仿真模型。但更多的仿真模型还是建立在通用仿真语言的基础上的，如Witness，eM-Plant等。
从物流网络设计问题来看，最优模型与仿真模型的区别为：最优规划模型寻求的是最佳的仓库数量、最佳的位置、每个仓库的最佳规模；而仿真模型则是试图在给定的多个仓库、多个分配方案的条件下，反复使用模型，对多个布局方案进行评价，从而找出最优的网络布局方案。由于物流系统中存在大量的随机现象，使得物流仿真技术的应用越来越普通。在包装废弃物物流中不确定性和随机性是最突出的特点，因此在包装废弃物物流网络设计中应用仿真模型具有特别强的针对性。
三、启发式模型
仿真模型能够实现模型定义的真实性，最优模型能够实现寻求最优解的过程，启发式模型则是这两种形式的混合模型。启发式模型是以启发式规则为基础建立的系统模型。启发式规则是指那些能指导问题求解的原理、概念和经验法则。对于一些无法求得最优解的问题，借助于这些启发式规则，可以得到满意解，但无法保证获得最优解。
启发式模型对物流系统中某些难以解决的问题，是一种很实用的方法。物流系统设计人员对某个问题的求解经验有时胜过最复杂的数学模型，如果能将这样的知识或经验以规则形式融人现有模型中，将能得到更高质量的解。将启发式模型与专家系统技术结合，就可以建立专家系统模型，它可帮助物流管理人员很快提高决策能力。
