在如今互联网高速发展的时代,O2O（线上到线下）由于其出众的便利性被中国人民所青睐,这也直接促进了即时配送的发展,各种类型的O2O平台不断出现在人们眼前,其中,外卖配送作为即时配送的强相关行业,在现如今的社会已经成为了不可代替的角色,在工作节奏与生活节奏都不断加快的今天,更多的人为了节省工作时间,偏向于在平台上下单来解决自己的就餐问题。在中国的近几年,由于中国外卖市场需求日益增长,众多外卖平台开始兴起,自然而然地,作为连接顾客与商家平台的职业——骑手,也逐渐开始展现出这一职业的光彩。如果把一座城市比作人的身体,平台在配送中心向骑手发布订单配送方案,犹如发号施令的大脑,向各地派出骑手,又如不断输送新鲜血液的心脏,骑手通过将商家的餐品配送至客户手中,好比连接城市的毛细血管,保证营养与氧气按时按量地送往全身的重要器官。在本文的研究中,骑手对于各个位置的熟悉度是已知的、且是可以被量化的,骑手的熟悉度能够影响配送速度,进而间接地影响配送时间,本文还引入了骑手的熟悉区域与不熟悉区域的概念,骑手对于熟悉区域的熟悉度较高,从而正向影响配送速度,缩短配送时间,骑手对于不熟悉区域的熟悉度较低,从而对配送速度产生反作用,增加配送时间。此外,为使骑手的总体收益得到改善,本研究在模型中增加了限制骑手最大配送量的约束,避免出现个别能力强的骑手包揽了较多订单,而其他骑手因此被分配到少量订单的情况,使得每个骑手可以分配到数量相近的订单,实现在订单数量、配送时间和配送收益上的公平分配。并构建恰当的VRP数学模型到Gurobi求解器中进行求解。设计与本研究契合度高的算法——TAVNS（两阶段自适应变邻域搜索算法）。在基本变邻域算法的基础上加上两阶段搜索与自适应机制,加速算法的求解时间,并且设计本研究特有的邻域结构和搜索策略以增强算法的求解效率。最后,通过改进的Solomon基准算例生成不同规模的算例,纵向对比求解器求解结果,横向对比TAVNS算法去除不同算子后的求解结果。结果表明,TAVNS算法在算例中表现良好,所设计的算子与搜索策略均发挥了自己最大的作用。