城市配送中,“最后一公里”配送成本是物流企业经营成本的主要组成部分,随着无人机技术的发展,无人机飞行能力和运输成本愈加优化,无人机配送作为城市配送领域的重要发展方向,受到越来越多的物流企业和研究人员的关注。由Amazon公司首先提出了并联式配送模式,即采用无人机由配送中心出发直接前往需求点完成配送后返回配送中心的配送方式,以实现无人机的“最后一公里”配送。然而研究人员指出,并联式配送模式由于对配送中心选址、需求点降落平台的要求较高,造成物流网络建设成本大幅增加,并不适用于城市配送中的“最后一公里”问题。因此,提出了串联式配送模式,即由卡车装载无人机进行配送,卡车即可作为无人机的起飞降落平台,也可作为移动仓库,这一模式有利于将配送中心建设在用地成本较低的区域,并提高了无人机的服务能力。本文主要研究城市配送中卡车和无人机串联式配送模式。当前国内外关于卡车和无人机协同配送问题的研究,主要集中在串联式配送模式中无人机的飞行约束方向,对于城市配送中卡车和无人机协同配送的可行性尚无研究,且对于带无人机的车辆路径问题算法多采用基于贪心选择的启发式算法,易陷入局部最优解。因此,本文研究了时变网络下带时间窗的卡车和无人机协同配送路径优化,并设计了基于多层编码的遗传算法以求解无人机配送问题。具体研究内容如下:首先,考虑城市配送中交通流对城市道路行驶速度的影响,假设道路行驶速度分布函数分别服从对数正态分布和正态分布,针对时间窗约束下的车辆路径问题,基于卡车和无人机串联式配送模式,建立以成本最小化为目标的非线性混合整数规划模型,并分析模型参数的有效取值范围。同时建立时变网络下带时间窗的车辆路径问题非线性整数规划模型。其次,由于当前无人机配送问题算法的优化效率较低,本文基于并行优化的原则,构建基于多层编码的遗传算法求解时变网络下带时间窗的卡车和无人机协同配送路径优化模型,并设计精英算法生成无人机路径染色体,以解决算法迭代速度较慢的问题,同时设计遗传算法求解时变网络下带时间窗的车辆路径问题。然后,基于深圳市交通数据,设计案例代入算法,从算法收敛性和优化结果方面比较时变网络下带时间窗的卡车和无人机协同配送模型和时变网络下带时间窗的车辆路径问题模型,求得案例中最优配送出发时间,证明了基于多层编码的遗传算法求解最优解时不易陷入局部最优。最后,通过对比两模型案例结果,分析了无人机和卡车的运输成本比值对于城市配送中引入无人机进行配送的可行性影响,并进一步研究了速度比值对于配送总成本的影响。两模型总成本差关于运输成本比值单调递减,并存在使得成本差为零的点,当运输成本比值位于左侧时,采用无人机进行城市配送具有可行性;成本差关于速度比值是单调递增的,存在拐点使得采用无人机进行配送的总成本最优。本文在前人研究基础上,结合带无人机的车辆路径问题研究成果,考虑城市配送中交通流对道路行驶速度的影响,实现了卡车和无人机协同配送路径优化。并设计基于多层编码的遗传算法,解决了当前无人机配送路径优化算法的局限性。同时通过案例证明了采用无人机具有较高的实际应用可行性。