受新冠疫情影响,人们生活进入“新常态”,为降低疫情传播风险,越来越多的消费者由堂食转向线上订餐服务,进一步扩大了在线外卖的市场规模,为即时配送服务带来了新的机遇和挑战。作为即时配送服务的核心环节,订单配送服务备受关注。在O2O外卖配送服务中,订单的到达呈现潮汐现象,需求集中在午高峰和晚高峰两个时段,平台运力配置若以最高需求时段为准,会造成平台运营成本高,员工实际工作时间短,配送资源浪费;若平台配送运力不能满足高峰时段配送需要,会导致订单超时送达,降低服务水平。为缓解运力资源与需求分布不均衡的问题,外卖配送平台多采用“专业+众包”的混合运力模式。如何充分发挥混合运力模式的优势,在降低即时配送成本的同时保证服务质量,受到了广泛的关注。本文研究外卖背景下基于混合运力模式的动态取送问题,以降低总配送成本为优化目标,同时考虑订单配送效率,提出了调度混合运力处理需求订单和路径优化的解决方案,丰富了即时配送领域的研究内容,为业界订单调度优化提供了新思路,具有很强的理论意义和现实意义。基于混合运力模式的动态取送问题不同于普通的动态取送问题,其中有专业骑手和众包骑手共同承担配送任务,两类骑手在服务能力和工作时间等方面具有一定差异。众包骑手和订单在工作日内动态出现,问题具有需求和资源的双重动态性,众包骑手特有的社会属性也增加了问题的求解难度。如何针对动态环境中的混合运力调度,充分利用两类骑手处理订单以达到最小化资源浪费,目前研究并不成熟。本文针对问题特点,提出了考虑众包骑手社会属性和接单行为的订单调度和路径规划模型,在算法设计部分将问题转化为线性不可加权非平衡匹配问题,结合机器学习和经典运筹理论,设计了基于自适应路径选择策略的循环匹配算法（Loop Matching Algorithm with Adaptive Route-chosing Strategy,LMAARS）求解问题。本文的研究内容包括以下几方面:（1）分析混合运力模式中两类骑手特点。不同于单一运力模式的动态取送问题,混合运力模式中有专业骑手和众包骑手共同提供配送服务,需求订单和众包骑手动态到达。专业骑手由平台直接雇佣,众包骑手来自于社会闲散运力,两类骑手区别体现在工作时间窗、订单拒绝约束、薪酬计算和订单配送效率等方面。专业骑手的工作时间窗为整个规划周期,众包骑手在规划周期内动态到达;当系统将订单指派给骑手后,专业骑手接受系统指派所有订单,众包骑手在满足其订单拒绝约束的前提下接受系统指派订单;以连续方式计算专业骑手薪酬,以离散方式计算众包骑手薪酬;众包骑手的配送效率略差于专业骑手。（2）通过对混合运力特点的分析,建立动态取送问题模型。以最小化总配送成本为优化目标,总配送成本包括所有骑手配送薪酬和订单超时送达产生的延迟成本。众包骑手拒单约束分为基于薪酬和基于工作时间窗的拒单约束。基于薪酬的拒单约束中,当配送订单所获收益不能满足众包骑手预期心理收益时,将拒绝配送此订单;基于工作时间窗的拒单约束中,当配送完成时间超出其工作时间窗结束时间一定阈值,将拒绝配送此订单。（3）针对建立的动态取送问题模型,提出基于滚动时域机制的启发式算法求解。首先利用滚动时域机制将动态问题划分为多个静态子问题,再将每个静态子问题转化为订单与骑手的线性不可加权非平衡匹配问题,设计基于自适应路径选择策略的循环匹配算法（LMAARS）求解。在LMAARS的执行步骤中,使用订单选择算子和路径选择算子选择出合适的订单和骑手路径集合,应用循环匹配方法执行订单与路径的指派。（4）在大连市真实外卖订单数据的基础上生成基准测试算例。选取具代表性的两个商圈,按照商圈分布和时段划分为四类情境,每类情境有两种订单规模的算例情境,为避免单一算例引起的实验误差,每种算例规模下生成三组算例,共生成8种情境下的24组基准算例。当针对不同维度和方面的分析时,在24组基准算例的基础上生成相应的测试算例。（5）对比实验和影响因素分析。本文的LMAARS算法与Dynamic Courier Routing for a Food Delivery Service 中的 Myopic 算法和 Proactive 算法进行对比分析,验证LMAARS在处理混合运力模式下的动态取送问题的有效性。从众包骑手总服务时长占比、骑手服务订单量占比和单个众包骑手工作时长限制三方面,在基准算例的基础上生成相应的测试算例,分析对混合运力模式中配送效率和配送成本的影响,得出结论:合适的众包骑手占比有利于降低总配送成本;两类骑手占比变化直接影响骑手配送订单量,进而影响总配送成本,因此合理控制两类骑手的配送订单量有利于降低配送成本,且当专业骑手配送订单量略大于众包骑手配送订单量时可获得较低配送成本;当总工作时长一定时,单个众包骑手工作时长较短,对应的服务骑手数量较多,可提升配送效率。