驻店模式下的即时配送模式很大程度上了迎合当前大型连锁生鲜超市及餐饮企业的订单多批次,区域性,服务范围集中的特点,因此被很多大型商超及餐饮企业所追捧。然而,该模式在有效地满足了订单配送的同时,也给大型餐饮商超企业配送调度带来了新的挑战。大部分采用驻店配送模式的商家在订单调度上依旧比较传统,为了订单的及时调度配送,当订单下达后立即开始分配订单,以达到订单及时满足配送需求的目的,但该方式会产生较大的配送成本,如果稍微延迟一点再派单,极有可能将订单集合进行更为优化的组合和分派,从而大大降低配送成本。然而,如果延迟得过久又会导致超出订单时间窗的风险,延迟得太短,则优化效果不够明显。那么,究竟延迟多久?延迟之后如何进行订单的分派,则是摆在物流公司面前的一大难题。本文针对驻店模式下即时配送订单的调度问题,设计合理的延迟派单时间,进而在延迟的时点上进行订单的调度分派,使配送员在接到系统分派的订单后即可以按照系统分配的订单信息包括订单顺序及路线开始配送订单,并且当配送员已经接到订单后系统不再给该名配送员再分派订单直到该名配送员完成本次配送返回店内,从而避免订单配送的超时,并且有效减少了配送成本。本文的研究不仅是对传统驻店配送模式的调度系统进行改进,同时研究了基于订单延迟等待时间的基础上再进行订单调度的问题,并且在传统的配送问题上增加了时间窗惩罚成本的计算以及对背包容量的限制,本文的目标在于最小化总配送成本和时间窗惩罚成本之和。本文设计了整数非线性规划模型求解该问题,并证明了该问题是NP-hard难题。由于实际问题规模较大,求解模型时间较长,为了提高求解的效率,本文提出了一种改进的禁忌搜索算法,并根据问题特性设计了两种禁忌规则以及两种Local-Search算子。在实验分析部分,本文根据实际商家一周的订单数据生成了小规模算例及大规模算例。小规模算例用于对比启发式算法及Gurobi求解数学模型的结果。结果表明,当算例规模超过20个订单时,本文设计的启发式算法可以在两秒内求得比Gurobi运行一小时更优的结果。基于大规模算例,由于现有研究没有完全匹配的启发式算法,本文选取了与本研究问题特性相似的的相关文献中所采用的遗传算法用于对比,根据本文特性对遗传算法作出相应的改进。从求解结果看,本文所设计的改进的禁忌搜索算法求解效果优于遗传算法,并且本文的算法求解时间更短,更能满足本研究所需要的时效性。本文还对预测订单与实际订单结合调度的调度方式进行了研究,通过算法的计算,探究不同预测订单的准确率对预测订单与实际订单结合调度的影响。通过结果比较分析可以知道,不同预测订单的准确率对结合调度会有不同的影响,当预测订单的下达时间准确,订单坐标误差在100m以内时,可以选择预测订单与实际订单结合调度;当预测订单的坐标准确,订单下达时间误差在3min以内时,可以选择预测订单与实际订单结合调度;或者当预测订单的坐标误差在100m内,订单的下达时间在2min以内时,可以选择采用两种订单结合调度的订单调度方案,可以减少总配送成本及总时间窗惩罚成本。