El transporte basado en drones está surgiendo como un modo novedoso en la logística urbana, con recogida en la primera milla y entrega instantánea en la última milla utilizando drones y transbordo de camiones. Un desafío fundamental implica coordinar comerciantes, drones, centros de transbordo, camiones y comunidades de consumidores a través de la red de hub y radio (HSN). Este estudio formuló el problema de optimización para HSN con el fin de minimizar los costos logísticos y la pérdida de pedidos, restringido por límites de tiempo de servicio. Se diseñó el modelo de -restricción, dos algoritmos evolutivos basados en el Algoritmo Genético de Clasificación No Dominada II (NSGA-II) utilizando esquemas de codificación/decodificación de permutación (EAp) y basados en clave aleatoria (EAr) para resolver el programa matemático bi-objetivo. Se llevaron a cabo tres grupos de doce experimentos utilizando conjuntos de datos ideales y conjuntos de datos generados de la ciudad de Shenzhen para validar los modelos y algoritmos. Relajar el objetivo logístico en un 10% y posteriormente minimizar la pérdida de pedidos puede reducir significativamente el promedio de pedidos no satisfechos en un 24.61%; cuando los radios superaron 20, el modelo de -restricción no logró alcanzar soluciones dentro de un tiempo aceptable. Mientras que EAp y EAr demostraron competencia, EAr resultó ser más competitivo en tiempo de computación, hipervolumen, métrica de espaciamiento y el número de soluciones no dominadas en los frentes de Pareto. Los parámetros clave que influyen en las soluciones de HSN incluyen las velocidades de los drones y camiones, los tiempos de entrega aceptables y el tiempo de procesamiento y espera en los centros.