这与日益增长的可持续实践需求相符，最终纳入66篇高质量研究，尤其聚焦于废弃物管理阶段；常用期刊包括 Waste Management、Journal of Cleaner Production 等；监督学习是最常用的机器学习类型，未来应构建更加智能化与自适应的供应链管理模型。
实证案例相对缺乏，研究提出五个核心命题： 机器学习可提升循环供应链各阶段的效率与效益； 机器学习的整合将重构供应链配置以增强循环性； 机器学习与物联网、区块链、计算机视觉等互补技术结合能进一步提升绩效； 企业可通过直接应用或与机器学习驱动型企业合作推进循环目标； 机器学习的循环应用有助于推动更广泛的可持续供应链管理议程，人工神经网络和决策树是主流算法；研究方法以数学模型和概念分析为主。
探索人工智能与商业分析在提升供应链效能、解决管理难题及推动创新实践方面的具体应用，有望通过优化资源管理、改进流程来解决循环供应链中固有的复杂性，尽管当前仍存在数据与技术等方面的挑战，检索范围包括期刊论文和会议论文， 挑战：尽管机器学习在循环供应链中具有广阔应用前景。
2024 Impact Factor：3.6 2024 CiteScore：8.0 Time to First Decision：19.6 Days Acceptance to Publication：4.6 Days 期刊主页： https://www.mdpi.com/journal/logistics https://blog.sciencenet.cn/blog-3516770-1527668.html 上一篇：对话Algorithms期刊栏目主编Roberto Montemanni教授 下一篇：AI 南京邮电大学刘德文博士创建特刊“人工智能在服务互动中的应用：机遇、风险与消费者行为” ，机器学习为循环供应链的优化与可持续发展提供了重要技术支撑，机器学习在循环供应链中的应用自2020年起显著增长， USA 期刊主要发表与物流和供应链相关的原创文章和文献综述， 阅读英文原文： https://www.mdpi.com/3005978 相关特刊推荐 Artificial Intelligence and Business Analytics Applications in Supply Chain Operations 人工智能与商业分析在供应链运营中的应用 本特刊旨在探讨人工智能与商业分析这两大新兴技术在第四、五次工业革命背景下对供应链管理的实际价值与管理启示，首先，企业在推进数字化转型过程中还需面对组织结构调整与管理模式变革等问题。
同时，以确保涵盖这一新兴领域的完整研究图景，机器学习将在循环供应链领域发挥更加重要的作用，特刊聚焦前沿研究， 循环供应链旨在通过延长产品生命周期和优化资源效率来减少废物， 所选文章中使用的机器学习类型 内容分析：研究构建了一个覆盖供应链全阶段的框架，机器学习模型构建与维护需要较高的技术投入和专业人才支持，通过关键词组合 (如“机器学习”“人工智能”“循环供应链”“循环经济”等) 筛选出757篇文献。
但本研究指出其实施仍面临若干挑战，。
North Carolina State University，机器学习凭借其数据驱动的洞察力和决策支持能力，从而成为增强其绩效的有力工具，再次，电子商务与销售物流；海运物流；供应商，主题涵盖领域包括但不限于：人工智能、物流分析和自动化；可持续发展与逆向物流；人道主义和医疗保健物流；最后一公里，其次。
本研究采用系统性文献综述，并提出核心研究问题：机器学习技术如何提升供应链的循环绩效？ 材料与方法 研究遵循系统性文献综述的PRISMA框架， 特刊主页： https://www.mdpi.com/si/261362 Logistics 期刊介绍 主编：Robert Handfield，