物流系统模型按结构形式分为

物流系统模型是研究物流系统中各个环节如何相互作用、相互影响，以实现物流活动高效运行的数学和逻辑分析工具。物流系统模型按结构形式可以分为以下几类：

1. 线性模型：线性模型是一种简单的模型，它假设物流过程中的各个环节之间是线性关系，即一个环节的输出是另一个环节输入的函数。这种模型适用于简单的情况，如单源多汇问题，其中只有一个源点和一个汇点，其他都是中间环节。

2. 网络模型：网络模型是一种复杂的模型，它考虑了物流过程中各个节点（如仓库、配送中心、装卸站等）之间的连接关系。这种模型适用于复杂的情况，如多源多汇问题，其中有多个源点和汇点，以及多个中间环节。网络模型通常使用图论来表示，通过建立图的结构来描述物流过程。

3. 混合模型：混合模型是线性模型和网络模型的综合，它同时考虑了物流过程中各个环节之间的线性关系和网络关系。这种模型适用于复杂且多变的物流情况，如多源多汇问题，其中既有多个源点和汇点，又有多个中间环节，且这些环节之间的关系可能既包含线性关系又包含网络关系。

4. 优化模型：优化模型是一种基于数学和逻辑分析的方法，用于求解物流系统中的最优解。这种模型通常涉及到目标函数、约束条件和决策变量等元素。优化模型可以应用于多种物流问题，如运输路径优化、库存管理优化、需求预测优化等。优化模型的目标是在满足各种约束条件下，找到使物流成本最小化或服务水平最大化的方案。

5. 仿真模型：仿真模型是一种通过计算机模拟物流过程的方法，它可以帮助人们预测物流系统的性能和行为。仿真模型通常基于物理定律和数学公式，通过建立物流过程的数学模型来模拟实际的物流过程。仿真模型可以帮助人们评估不同方案的效果，为决策提供依据。

6. 人工智能模型：人工智能模型是一种利用人工智能技术来解决物流问题的模型。这种模型通常涉及机器学习、数据挖掘、模式识别等技术，通过分析大量的物流数据来发现规律和趋势。人工智能模型可以帮助人们提高物流系统的智能化水平，例如通过机器学习算法来预测市场需求、优化库存管理等。

总之，物流系统模型按结构形式可以分为线性模型、网络模型、混合模型、优化模型、仿真模型和人工智能模型等多种类型。这些模型各有特点，适用于不同类型的物流问题。在实际运用中，可以根据具体情况选择合适的模型来分析和解决物流问题。