物流配送一般指从物流中心配送到客户的服务，是整个物流的末端环节，包括快递、外卖、医疗药品、应急救援物资等配送场景。近年来，人们对于物流配送时效性的要求越来越高，目前物流配送主要使用骑手或车辆方式。但在当前越来越复杂的交通环境下，采用该种方式往往会因多次绕路或交通高峰拥堵而使得配送时间延长，无法满足配送时效性要求。随着近年来无人机的快速发展和功能完善，其空中直线运载能力和能够避开复杂地面交通的特点使其成为研究机构和物流配送领域相关公司关注的焦点。现有的无人机物流配送多应用于固定两点间配送的情况，无人机只能在该条航线运行，不能随任务的变化进行自动调度，没有发挥出有限运力资源的更大潜力，主要原因是缺少成熟的无人机调度数学模型和适用的智能调度算法，没有成熟而高效的无人机智能调度系统，因此有必要针对物流配送场景下的无人机智能调度方法问题进行研究，以提升运力资源的利用。
　　本文首先对无人机在物流配送领域的应用场景进行分析，以订单任务总时间成本和超时惩罚为目标函数，考虑无人机冲突风险、机场状态时间窗等限制条件构建了无人机调度模型。其次，在现有单亲遗传算法基础上，对编码设计及基因操作阶段进行了优化和改进，使之适用于无人机调度模型，对订单任务的最优执行顺序进行解空间搜索。再次，制定了基于时间片搜索的时间窗分配策略，依据任务执行顺序解算获取执行各任务的无人机、具体执行时间等调度结果，并计算得到当前任务执行顺序的适应度函数，将其返回给改进单亲遗传算法进行选择迭代。然后选择实际的外卖配送数据进行抽象分析，在仿真环境下对本文建立的模型和改进算法的有效性和可行性进行了初步验证。最后，建立无人机调度半物理仿真实验平台，模拟真实场景进行建模、订单动态添加，分别选取前序无遗留任务、前序有遗留任务的订单和多批次连续输入的订单数据进行无人机调度飞行实验，并与传统的优先级排序方式进行对比，验证改进算法的优越性。同时与骑手配送方式进行对比，证明了本文建立的无人机调度模型及智能算法在实际物流配送中对时效性的提升。