在社会发展和国民经济稳步增长的过程中,我们的生活条件正在变得越来越好。为满足人们需求增长的同时,伴随着生产活动而形成的危险废物也在持续增长。危险废物在我国的法律法规中被纳入固体废物的范畴进行管理,因其具备产生量大、种类繁多、废物成分繁杂等特点,并且因具有有毒、易燃、感染等特性被单独设为一类来监管。随着危险废物名录的持续增加,越来越多的生产废料被定义为危险废物,这对危险废物管理带来了极大的挑战。伴随着社会的发展,中小型企业也逐步开始存在对危险废物进行处置的需求。危险废物从产生到暂存、运输以及利用处置整个过程中对环境存在较大的风险和隐患。而目前危险废物的回收存在成本过高、随机发生性强、信息传递不及时、回收效率低等问题。而对于危险废物,及时高效的完成回收能更有效的降低对环境和社会构成的潜在风险。因此想要更好的监管危险废物,降低回收成本、提高回收效率是解决问题的关键。本研究通过分析河南省Z市的危险废物回收情况。发现危险废物处置中心在危废收集车辆的路径方案规划上存在问题。根据Z市实际回收需求,可借助物联网信息对回收需求进行收集,通过遗传算法对路径进行优化,能够有效的解决对危险废物回收路径优化的需求。本研究立足危险废物这一特种污染物,为其危废回收车辆的路径规划问题进行优化,并通过优化算法提升求解效率。最后通过Z市危险废物的实际运输情况进行研究,发现Z市的危险废物回收采用较为传统的点对点回收模式,该模式存在效率偏低、成本过高等问题。经过调研分析问题产生的原因主要在于回收模式多采用“一车一单”的形式,在此背景下Z市的危险废物回收路径明显欠缺规划性指导。本研究参考Z市的危险废物的实际需求情况和路况信息,建立基于软时间窗作为约束条件的危险废物回收车辆的路径规划模型,在规避禁行路径后以配送成本为最小目标,以车辆承载量、客户服务时间窗口为约束条件,同时引入节约算法、大规模邻域搜索算法的思想改进其传统遗传算法的求解性能,并引用混合遗传算法进行求解。最后以河南省Z市的危险废物回收为例进行路径优化。论文首先分析了不同优化程度算法对求解最优解的实际影响,得到在传统遗传算法的基础上构建混合遗传算法为求解效率最高搜索速度最快的算法。其次通过分别比较不同优化程度下的传统遗传算法、半优化遗传算法、混合遗传算法的求解结果和运算情况。得出混合遗传算法在求解效率和运算效率均高于其他算法的结论。在混合遗传算法的仿真下回收总成本可以下降14.3%,在提供成本更低方案的同时,满足了客户的需求。本研究基于遗传算法为理论基础,通过优化算法结构的方法产生新的混合遗传算法,得出危险废物回收的优化路径,解决Z市危险废物回收的最低成本可行路线的问题。