امروزه شبکه های لجستیک معکوس به دلیل درنظر گرفتن پارامترهایی مانند شرایط زیست محیطی، آگاهی مشتریان، صرفه های اقتصادی، مسئولیت های اجتماعی و کسب امتیازهایی مانند وفاداری مشتریان، بصورت فزاینده ای در صنایع مختلف در حال گسترش هستند. در طراحی شبکه ی لجستیک معکوس گزینه های قطعه برداری، تعمیر، بازیافت، تولید مجدد و دفع را می توان در نظر گرفت. در این تحقیق یک شبکه ی لجستیک یکپارچه پیشرو/معکوس مدل سازی شده و تلاش می شود تا با ارائه ی مدلی کلی و با اضافه کردن گزینه بازیافت به مدل های پیشین، به مدل بهینه سازی کلی تری که در برگیرنده تعداد بیشتری گزینه بازیابی است، دست یافته و شبکه در حالت همزمان پیشرو و معکوس با در نظر گرفتن تولید محصولات متنوع ابتدا با فرض تقاضا و بازگشتی معلوم و سپس فازی سازی پارامترهای دارای عدم قطعیت و همچنین ظرفیت های محدود شده مراکز شبکه، بهینه گردد. برای غیرفازی سازی این مدل، از یک روش مبتنی بر آلفا برش برای ضرایب هزینه ی متغیرهای تصمیم و روش مرکز جرم برای تقاضا و بازگشتی فازی در تابع هدف استفاده می گردد. در محدودیت های فازی از روشی مبتنی بر مقایسه ی اعداد فازی بهره گرفته شده است. برای نشان دادن کاربرد مدل برنامه ریزی خطی عدد صحیح مختلط حاصل، چند مثال شبیه سازی شده و برای دست یابی به جواب های دقیق، در نرم افزار گمز کد نویسی شده است. برای حل مدل در ابعاد بزرگ مسأله، اقدام به توسعه ی الگوریتم ژنتیک شده و توسط نرم افزار متلب کدنویسی شده است. نتایج حل مثال ها در هر دو حالت جواب های دقیق و نزدیک بهینه ی حاصل شده از الگوریتم ژنتیک، مقایسه شده و در انتها به تحلیل حساسیت شبکه پرداخته شده است. نتایج به دست آمده گویای این مطلب است که در نظر گرفتن پارامترهای نادقیق به صورت فازی، اولا مدل واقعی تری حاصل می کند. ثانیاً در بررسی جواب، به دلیل پیوستگی آن ها، تصمیم گیرنده دارای گزینه های نامحدود برای تصمیم صحیح با توجه به شرایط موجود می باشد.