随着移动互联网的高速发展,物流行业的业务量实现了“百万级”到“千万级”的飞越,但与此同时,不断增加的传统燃油车配送业务,也加剧了我国的环境污染和能源消耗。因此,国家开始大力推进污染小、能耗低的电动车在物流领域的推广和应用。研究基于电动车的车辆路径问题对于企业降低运营成本和社会实现节能减排都具有重要意义。本文考虑到大多公共充电站分时收费的现实场景,在电动车车辆路径问题中加入电动车充电费用分时段收费的影响,设计了电动车充电分时收费的电价函数,并在此基础上构建了考虑分时电价的带时间窗的电动车车辆路径问题模型。为了节约成本和延长电池使用寿命,该模型考虑了电动车在配送过程中不能过度放电,以及允许电动车在充电站部分充电。针对所构建的模型,本文设计了自适应大规模邻域搜索算法(ALNS),并对该算法的6种破坏算子和3种修复算子性能进行了对比。此外通过大量算例证明了ALNS的算法性能优于禁忌搜索算法与遗传算法。然而,由于现阶段我国电动车充电配套基础设施不完善以及电动车自身技术缺陷,在实际物流企业运营中,纯电动车并没有完全替代燃油车,大多物流企业采用了电动车与燃油车混合配送模式。基于此,本文以运输成本、充电成本、碳排放成本等为优化目标,建立了基于分时电价的带时间窗的电动车与燃油车混合配送车辆路径问题模型,并设计了基于大规模自适应邻域搜索算法和禁忌搜索算法的混合自适应大规模邻域搜索算法(ALNS-TS)。设计基于当前解质量的扰动机制以提高解的多样性,并设计一种基于算法搜索结果的确定参与破坏、和修复操作客户数的方法。算例求解结果表明混合自适应大规模邻域搜索算法(ALNS-TS)能有效提高ALNS算法性能。最后进一步探讨了可用电动车数量、充电速度、电池容量、时间窗惩罚和电价等因素对混合配送产生的影响。