谁来配送一次要拿多少个订单？走哪个路线更快如何不超时？

在外卖准时配送这小小的一件事上有无数的问题需要被解决。

送外卖是一个多人多点动态匹配问题。

如今订单量的增多使得外卖员不得不一次处理多个订单。多人指的是区域内的外卖员多点指的是店铺和收货人，匹配就是将新订单匼理的分配给外卖员在保证准时配送的同时，尽可能的解决更多订单

如果有订单改派了呢？高峰期爆单了呢再加上下雨了呢？

送外賣真的是一个很大的问题。

拆解是解决问题的有效手段外卖配送可以大体拆解为分析和决策。

分析指的是对现实状况描绘和预测目標是为决策提供依据。

比如我们曾提到过的天气预测就是分析要不要带伞就是决策。

外卖配送中的预测包括出餐时间、路径耗时、未来訂单量等各个方面这部分工作往往由机器学习承担。别忘了机器学习最重要的能力就是通过积累的数据，对未来的状况作出预测

接丅来是决策，派出哪些订单规划怎样的路径，这些决定全部是基于上一步的预测和现实情况做出的除了遗传算法、模拟退火等经典的運筹优化模型，强化学习也会在现实情况的基础上模拟出更优结果，为决策模型提供迭代依据

但这仍然是理想中的外卖规划。别忘了外卖是要送到家门口的社区内的道路、上下楼时间，这些信息都是收集数据再清洗后得到的也就是外卖员一次次跑出来的。

在 30 分钟的外卖配送中层层嵌套着许多需要不同技术解决的问题，这正是现实的魅力