“新零售”时代下,“线上+线下”的发展模式推动了即时物流行业的快速发展。在技术和消费需求快速增长的背景下,即时配送的种类和业务范围不断增加,其应用场景涉及到居民日常生活中的各个方面,其中以餐饮外卖行业最为显著。以美团外卖为例,2020年,美团外卖送餐业务总交易额达到4889亿元,同比增长24.5%。订单需求的迅猛增长给平台带来收益的同时也使得配送效率严重降低,为了解决订单需求与运力供给失衡产生的矛盾,基于“众包”的外卖配送模式成为疫情时代外卖配送平台选择的主要运力模式。然而,该运力模式仍然存在运行效率低下,骑手满意度水平不高以及接单率低等特点。为此,本文以“众包”模式下的物流平台为研究对象,基于配送优化算法、马尔科夫多期决策过程以及订单匹配等技术和理论,研究了“众包”物流平台在配送路径优化和订单分配两个方面的内容,为平台的运营决策提供参考价值。主要的研究工作如下:一是在外卖配送背景下建立了以配送车辆行驶成本为目标函数的多车辆取送货问题模型。本文利用Google优化求解器从司机遍历成本以及算法运行时间角度对比研究了以贪婪插入为代表的构造启发式算法和以禁忌搜索为代表的元启发式算法。结果显示,元启发式相对构造启发式算法设计更加复杂,但其解的质量随着时间会不断提高。然而,当面临大量的订单需求以及运力供给时,配送系统需要能在秒级,甚至毫秒级之内快速地进行订单的匹配与路径规划。所以在新的应用场景下,构造启发式算法有了一定的可行性与优越性。二是本文针对订单不断更新的动态需求车辆路径问题,依据滚动时域对车辆工作时间进行划分,建立了基于配送员的多阶段即时配送模型。考虑到即时物流的时效性、运力供求的不匹配性以及配送员本身的自主性,本文提出了新的综合权重指标作为配送员订单选择标准,采用构造启发式算法对车辆路径进行优化,并通过数值仿真实验证明了该模型与算法的有效性。由于现有文献中对该模型的研究侧重于如何设计连续的实时优化策略以及各种相应的求解算法,却很少有从骑手自主选择订单的角度去研究和求解,所以目前还没有对应的算例对算法进行测试,故本文自主构造了三组算例,并使用C++编程实现。结果显示,相比传统的其他单一指标,本文提出的综合权重指标在不同维度下表现稳定且优异。三是考虑到传统配送中心分配订单的片面性,本文继续引入综合权重值作为平台订单分配环节考虑的重要因素,并建立了两阶段的并行机器调度模型。为了保持实验的严谨性以及统一性,本文利用取送货问题经典数据集对该模型进行测试。实验结果表明,基于平均综合权重值的贪婪插入标准相比其他两个标准无论在算法运行时间维度、接单率还是在总收益方面都表现稳定且优异。本文的研究在以往的取送货车辆路径问题上进行了拓展,通过实际背景进行数值模拟和仿真,为动态算例的扩展提供了参考;通过使用标准数据集,对以往理论进行部分还原和拓展提供了新的思路。本文提出的模型和算法有助于外卖配送平台解决现实路径优化问题以及订单分配问题,从而实现更高的企业价值。