移动客户端和网络平台等硬件设施日益普及，促使信息获取方式越来越丰富，电商利用数据资源实现企业服务优化面临更多新挑战。数据爆炸式增长带动数据传递效率的提升与信息交换频率的加快，为电商订单分配与配送服务提供数据驱动下联合优化的可行性。近年来，关于订单分配与物流配送问题的研究已经取得大量的研究成果，但是数据驱动下电商订单分配与配送联合优化问题的研究较为鲜见。实际上，随着网络平台技术的发展，订单分配与配送服务的紧密性、实时性和交互性更加明显，如消费者数据和电商运营的关联度增加，仓库、车辆和运输等性能参数在配送过程中能够及时反馈到决策中心。依据田口优化理论，服务质量是满足消费者需求的基本前提，服务能力是服务执行效果的基本保障，服务可持续性是具有战略意义的管理优化目标，整个优化流程是一个循序渐进的过程。因此，以服务质量、服务能力和服务可持续性作为立足点，实现数据驱动下电商订单分配与配送联合优化是十分必要的，具有重要的理论意义和实践意义。
　　本文针对数据驱动下电商订单分配与配送联合优化问题进行了理论与方法的研究，主要开展了以下四方面的研究工作:
　　(1)针对联合优化问题，以田口优化理论为基础，延伸出数据驱动下电商订单分配与配送联合优化的相关概念及理论分析。田口优化理论包含三个递进式的优化维度，据此设计联合优化的递进式理论框架分析结构，丰富和发展了数据驱动联合优化问题决策的理论和方法，主要包括:①结合偏好理论，以消费者视角优化电商订单分配与配送质量作为联合优化的基本前提;②分析牛鞭效应理论，考虑电商订单分配与配送能力作为联合优化的基本保障;③讨论可持续性优化理论，作为电商订单分配与配送联合优化的基本目标。同时，为相关问题的研究提供了一般性的理论研究框架，并为研究问题的分析与描述提供了理论指导。
　　(2)针对数据驱动下电商订单分配与配送质量联合优化问题，进行了三个阶段的研究，分别为:①对收货方的服务质量偏好程度进行完整分类，依据数据特征划分为“无记忆”型收货方、“记忆”型收货方、收货方总体和“不确定”型收货方;②基于四种类型的收货方，分别构建了收货方偏好数据驱动下电商订单分配与配送质量联合优化模型;③给出四种类型规划求解空间的复杂度推导，得到成本为线性函数时“无记忆”型收货方的动态规划精确求解方法，以及其他三种类型收货方的NP-hard属性分析。与传统批量规划相比，数据驱动的方法设计弥补了个性化质量需求解决方案研究的不足，得到的研究结论及管理启示对于指导实践具有参考价值。
　　(3)针对数据驱动下电商订单分配与配送能力联合优化问题，进行了三个方面的研究:①从训练数据样本中选取相关特征，确保联合决策流程内数据信息分类的误差代价最小，以此降低联合决策过程的牛鞭效应;②引入撤单率构建服务能力决策模型，分析电商配送服务能力的自建与外包决策问题，从是否进行合作的角度给出了三种合作强度下的动态博弈模型;③按照三阶段动态博弈顺序逆向推导出三种情形下的子博弈均衡解，得到在线购买环境下自建与外包配送服务能力最优解集。撤单数据与物流配送数据联合构建的博弈模型，弥补了应对不确定性扰动下服务能力灵活性研究不足的缺陷，降低了电商和产品供应商的经济损失。
　　(4)针对数据驱动下电商订单分配与配送可持续性联合优化问题，从经济、环境和社会三个角度提出了电商订单分配与配送资源共享策略，分别为:①经济方面，根据订单信息、仓库信息、运输信息和车辆信息共享数据的匹配合理性、配送服务能力和服务时间窗构建配送资源共享数据驱动下成本优化模型;②环境方面，基于数据包络分析法设计多种减排因子，评估订单分配与配送资源共享数据驱动下碳排放绩效和碳排放分配评价指标;③社会方面，设计共享数据驱动下合理的收益共享系数，专享配送资源服务商与电商平台实现对服务资源的协调共享与稳定合作。研究表明，可持续性优化设计能够在保证经济效益的同时，兼顾环境效益和社会效益。
　　本文的研究工作丰富了数据驱动优化的相关理论，为进一步开展更为复杂的数据驱动优化理论与方法的研究提供借鉴和指导，同时，本文的研究成果不仅可以实现电商订单分配与配送系统联合优化模式，而且能够为电商企业的服务质量、服务能力和服务可持续性优化提供恰当决策，对推进数据资源的有效利用具有重要意义。