随着O2O模式的发展,本地生活O2O作为新的商业模式,为同一城市或地区的居民提供商品或服务。该模式提供更方便快捷的消费方式,改变着人们的消费习惯;同时,O2O平台有利于商家吸引客户、提升经营效率,引起了众多企业的关注。外卖O2O在2015年的迅猛增长使即时物流出现一次发展高峰。近几年,超市宅配、快递揽派、生鲜配送等本地生活O2O服务业逐步兴起,促进即时物流的进一步发展。即时物流的发展促进了物流行业的多元化、物流服务方式的多样化。即时物流的发展满足了O2O服务离散化、高时效要求的配送需求,为O2O的深入发展提供了保障。车辆路径问题作为一类主要的组合优化问题,—直受到学术界的广泛关注。在O2O和即时物流的生产生活背景下,动态需求、时间窗限制等因素增加了路线规划的难度。如何有效解决动态车辆路径问题,逐渐成为理论界的研究热点。本文研究的即时配送问题,是一种动态的带有时间窗的取送货问题。本文首先论述了O2O和即时物流的特点、市场规模和发展现状,指出了研究动态车辆路径问题的目的和意义,接着介绍了最新的相关研究和相关理论基础。本文通过等待策略,将动态的带有时间窗的取送货问题(DPDPTW)视为一系列静态的带有时间窗的取送货问题(PDPTW)进行建模,在模型中考虑了即时配送的特点,由于配送员在不停的移动,并且不考虑配送员返程,因此将配送员当前位置设置为虚拟车库,将最后一个送货点到车库的距离定义为0。采用自适应大规模邻域搜索算法(ALNS)进行求解,在算法中增加了初始解的构造函数,该函数首先将历史已分配订单的取送货点排入路径中,在初始解和新订单的基础上进行邻域搜索。通过测试公共算例,进行实验分析,结果显示:ALNS能够以较低的时间成本获取较高质量的解。最后设计并实现了数值仿真程序,使用真实的业务数据进行动态环境下的数值仿真,仿真结果显示ALNS有助于配送效率的提高。本文的研究在理论上,是对以往的车辆路径问题及其算法应用研究领域的一种拓展,是对现实情景的深入研究;将真实数据作为算例进行数值仿真,为动态路径规划算法的研究增加了一条具有现实意义的研究途径;分析实际数据,为动态算例的扩展提供了参考。本文对即时物流企业具有一定的现实意义,进行数值仿真,方便测试新兴业务场景,加快推进实验或验证的进度,深化研究人员和业务人员对真实业务的理解,可能提前发现业务中存在的问题,用于优化业务;将智能算法用于实际派单中,有助于解决现实配送路径优化问题,提高配送效率,支撑配送管理,提升物流服务质量,从而提高企业利润。