随着电商企业的迅猛发展,人们的线上消费行为日益频繁,随之而来的大量待配送包裹也给物流服务行业带来了巨大的挑战。B2C电商企业需要及时履行客户订单并完成配送服务,而货物送达的及时性对于企业保持品牌形象和提高市场竞争优势有着非常重要的作用。亚马逊在2013年提出使用无人机完成送货上门服务后,各大电商企业也纷纷开展了对无人机配送系统的实验和测试。无人机具有飞行速度快、灵活度高的特点,这使得它被看作未来最具潜力的货物配送方式。而构建无人机配送系统需要较高的成本用于无人机等设备的购置和运营,以及复杂操控平台的搭建,因此,在有效地实际应用该系统之前,需要对其有一个非常充分的了解。目前,无人机配送系统的研究和应用仍然处于起步阶段,相关研究文献主要集中在配送路径优化问题上,对于系统的运行策略和配置优化研究极少,而不同的系统配置和运行策略会较大地影响系统服务效率和运行成本,因此对这些问题的研究将对无人机配送系统的应用和推广具有重要的理论参考价值。基于此,本文对使用无人机的配送系统的运行策略和系统配置优化问题进行研究。首先,研究了多仓库无人机配送系统,考虑系统中无人机共享的和指定的分配策略。并对有线充电和电池交换两种电量管理策略进行了研究。此外,本文还探究了随机的和最近的无人机回仓库的指派策略,并设计了一个启发式算法,用以优化无人机回仓库的指派策略。本文通过构建闭形排队网络模型来评估系统绩效,选取最大吞吐能力作为评估指标,并建立了成本最小化模型分析系统的运行成本。仿真分析模型验证了理论模型的有效性,数值实验分析了本文提出的运行策略。结果表明,当无人机的数量不大时,最近的无人机回仓库指派策略优于随机的指派策略,而通过本文设计的启发式方法优化的指派策略可将系统的吞吐能力提高约13.31%。在大多数情况下,电池交换策略优于有线充电策略,但需要较多的投资用于换用电池的购置。此外,共享的无人机分配策略比指定的无人机分配策略为系统提供的吞吐量更大,并且可以将系统的运行成本降低约30.70%。其次,研究了基于卡车的无人机配送系统,探究一种卡车与无人机协同配送策略下的系统绩效。本文分析了卡车装载无人机的数量、行驶路线上的停靠点数量、以及订单分配策略对系统绩效的影响情况,并优化系统成本。本文构建一个闭形排队网络模型评估系统吞吐量,并为系统构建成本最小化模型。仿真模型验证了理论模型能够准确有效地估计系统绩效。通过数值实验分析发现卡车装载的无人机数量越多时系统的吞吐量越大,但存在一个上限,而卡车行驶路线上的停靠点数量在无人机数量较小时会存在某个最优值,当无人机数量足够多时应该取保证无人机飞行距离前提下的最小的停靠点数量。此外卡车采用随机的订单分配策略比按需分配策略时的系统吞吐量较优。当卡车中装载的无人机数量一定时,系统吞吐量与卡车数量成正比。此外,研究了无人机配送系统的无线充电站选址优化问题。本文考虑为需求波动较大的电商公司优化无人机无线充电站的选址决策,设计了一个数据驱动的多周期无线充电站选址方法。首先分析了一个包含522,256条客户行为数据的真实数据集,基于知识蒸馏的方法,融合多个预测模型设计了训练优化决策树模型的方法,用于提高模型预测能力和准确度。再通过该模型挖掘有效的需求信息,包括潜在客户及其购买概率。基于获得的需求信息构建多周期选址模型,以最小化运营成本为目标优化无人机无线充电站的选址决策。通过对比实验验证了本文中设计的方法的有效性,并通过数值实验演示了选址结果。最后对客户服务水平以及运营成本之间的关系进行了定量分析,为电商企业在选址决策时权衡二者提供理论参考。最后,研究了一个无人机外卖配送系统中的资源分配策略。考虑某城市中的多家连锁快餐店利用无人机进行外卖配送服务。本文提出平均的、按需求的和按区域的三种分配策略,通过半开半闭的排队网络模型评估系统的平均吞吐时间和订单等待时间。仿真模型验证了理论模型的准确、有效性,数值实验对比分析了不同策略下的系统绩效,发现当系统中无人机数量较少时,按区域的分配策略最优,反之,按需求的分配策略更有利于系统绩效。