近年来,随着科学技术的进步以及移动互联网的快速发展,越来越多的传统行业和实体经济开始受到O2O（online to offline）商业模式的冲击。为了快速适应发展需求,国内从头部互联网公司如美团,百度,阿里巴巴等,下至传统提供线下购物消费的超市也开始提供O2O服务。尤其是在外卖餐饮领域,越来越多的商家开始进入市场导致每日高峰期订单量激增,给O2O即时配送全平台带来了较大的配送压力。O2O场景下外卖配送的订单分配与骑手取送订单顺序决策,是实现平台和商家收益均衡与骑手公平的重要手段,目前各大O2O平台均在努力探寻实现各方均衡的方法。针对目前外卖配送优化研究中优化的目标函数较为单一,考虑实际场景中随机和动态因素较少,同时对社会因素考虑不足;并且传统精确算法和常规启发式算法已经无法满足大规模复杂场景下微批次实时性决策要求的现实问题,本文基于深度强化学习框架和SUMO交通仿真工具,对高峰期场景下考虑随机因素的订单分配与取送优化问题提出了一种基于固定周期和重调度的联合决策方法。综合考虑了算法性能,平台收益,时间窗惩罚和骑手公平等优化目标。为了解决订单分配和取送顺序决策两个复杂子问题,创新性的设计了基于分层强化学习和 DQN（Deep Q-learning Network）以及 Pointer-Network（指针网络）的端到端联合决策系统。实验对比了启发式算法和传统DQN算法,结果表明提出的联合调度算法,在各类子目标和总目标上均超过了对比算法,且体现出很好的实时性和稳定性。该方法的鲁棒性,可学习性,有望在类似的真实复杂配送场景中发挥重要作用。同时提出的多种具有现实意义的指标如骑手公平和平台收益也具有一定的启发意义。同时,以文章考虑的现实场景,即午高峰时期的订单分配与骑手取送顺序决策问题。在文章算法的前提下,订单分配的更准确,骑手取送顺序更合理。对于骑手而言,可以在规定的时间内配送更多订单,且延迟更低,不仅能够提高自身收益还能够提高客户满意度;对于商家而言,订单配送更快更多,使得积压更少,在午高峰期对于盈利而言意义十分重大,同时也使得顾客对于其有更好的评分;对于平台而言,在压力较大的高峰期对于订单在商家、骑手和平台之间的转移不仅考验了其抗压能力,同时也赢得了商家、客户和社会的信任。最终以平台的视角做到了各方资源最优化的配置。