近年来,人口增长与城市化水平的提高、电子商务的蓬勃发展以及物流配送时效性的提升给城市物流带来了众多的机遇与挑战。此外,将无人机应用于物流配送方面的研究成果不断涌现,其中车辆与无人机联合配送模式是最具前景的研究方向之一。因此,研究车辆与无人机联合配送模式下的城市物流配送问题具有重要的理论与现实意义。本文研究了考虑时变性的车辆与无人机联合配送路径规划问题(The Time Dependent Traveling Salesman Problem with Drone,TDTSPD)。基于一辆车与一台无人机的联合配送模式,本文考虑了路网交通拥堵水平随时间和地点变化的情况下,如何最优的规划车辆与无人机的配送路径,以最小化配送完成时间。针对TDTSPD问题,本文建立了一个混合整数线性规划模型。在求解方法方面,对于小规模和大规模问题本文分别采用了精确算法和启发式算法求解。对于小规模问题,本文提出了4个有效不等式来加强原模型,并采用了分支切割算法求解。对于大规模问题,本文采用了两种启发式算法求解。第一种为TDTSPD-LS算法,该算法在针对TSPD问题提出的启发式算法基础上进行了一定的改进,使其可以应用到本文研究的问题中。第二种为AGVNS算法,该算法包含初始解构造和解的改进两个阶段,其中解的改进阶段采用了AVNS算法。AVNS算法的自适应机制可以根据搜索过程中的历史信息,对各个局部搜索策略进行评价,从而自适应地调整每次迭代中使用的局部搜索策略。在数值实验方面,本文首先通过与CPLEX进行对比,验证了分支切割算法在小规模问题上的有效性。同时,本文对车辆与无人机联合配送模式、无人机的相关参数变化和时变性带来的影响进行了分析。此外,本文对两种启发式算法的参数进行了分析,得到了两种算法的最优参数组合。最后,本文分别在小规模和大规模算例上运行两种启发式算法,对它们的性能进行了评估与对比。实验结果表明:1)两种启发式算法都能够在短时间内快速找到高质量的可行解;2)AGVNS算法的求解质量比TDTSPD-LS算法更高,平均提升了近10%,且能够求得小规模问题的全局最优解。