在物流配送领域,无人机作为一种新型运输工具,具有成本低廉、飞行不受地面交通拥堵影响等诸多优点,但它在飞行距离和载重容量方面则不及卡车等传统运输工具。为适应各类顾客的配送需求,使用无人机和卡车联合完成物流配送任务的模式越来越受到产业界的青睐,如城市及乡村物流商品配送、应急药品配送等都有该种模式的应用。该种模式通过两种运输工具的任务分配和相互协作,有利于大大降低整体的物流配送成本,但却给物流调度带来了极大的难度。该问题是不同于传统车辆路径问题的一个新问题,传统车辆路径问题仅针对车辆的路径进行规划,而车辆和无人机联合配送问题则是要对车辆和无人机的路径同时进行调度和安排,两种配送交通工具具有各自的优势和劣势,其合理的搭配是提高配送效率和降低配送成本的关键,特别在本文中无人机需要在多个站点起降的现实背景下,其问题复杂性远远高于仅使用车辆配送的传统车辆路径问题。针对这一问题,在对其进行明确定义的基础上,建立了混合整数规划模型,依据问题中车辆与无人机的协作特性以及车辆和无人机与不同顾客点的关系特性设计自适应大规模邻域搜索算法(Adaptive Large Neighborhood Search,ALNS),根据问题特性对算法中相应的初始化、删除和插入算子等进行了改进,对算法关键环节的设计进行了详细的阐述。在实验中,首先将ALNS算法与Gurobi计算的结果进行对比分析。在实验结果分析中,分别对车辆和无人机的配送成本以及服务顾客点数量的结果进行分析,并将车辆和无人机联合配送模式与仅卡车配送模式进行对比,还对无人机飞行最大里程以及无人机与卡车速度的比值进行灵敏度分析,最后基于电子地图展示了某应用实例的解决方案。研究结果表明,ALNS算法得出的结果与Gurobi相同甚至在一定计算时限下更优,比Gurobi在运行时间上有明显优势,体现了 ALNS算法的有效性。车辆和无人机联合配送模式节约了整体的配送成本,这验证了车辆与无人机联合配送模式的有效性。对于企业决策者来说,在交通不发达或有水路山路阻隔的乡村及山区建立无人机站点,实现对其周边顾客的覆盖,可更好地发挥无人机配送的优势并极大地节约整体配送成本。