近三十年来,国内外诸多学者对于车辆路径问题(VRP)中的车辆行驶成本和客户等待时间成本两个优化目标提出了众多的优化算法。随着无人机技术的逐渐成熟以及在运输中的出众表现,车辆与无人机协同作业的路径规划算法成为当前学术和工程届函待解决的问题。本文针对物流领域中“最后一公里”快递配送引入无人机协助运输,对包裹进行投递分发的问题场景,以该场景中最小化行驶成本和客户等待时间成本为优化目标,对于其包裹投递过程提出了一系列优化模型和算法,并进行了充分验证。首先对于带无人机协助运输的包裹投递问题进行了仔细的分析,对于该场景进行了详细的描述,并构建了其数学模型。根据该模型,描述了本文的课题框架。之后根据框架顺序,(1)先介绍了轻重快件分离,带约束的K-means迭代聚类对特定配送区域的重点子区域和时间紧迫的子区域进行标记;(2)然后通过行驶成本和客户等待时间成本进行线性加权,改造蚁群算法中路径转移概率的计算方式,求得了当前配送区域内行驶成本和时间成本综合最优的物流车行驶次序;(3)之后在物流车的行驶路径基础上,结合无人机数量及其飞行能力,提出无人机-车协同规划算法得到物流车具体行驶路径,无人机飞行路径。以及各个快件的等待时间成本,达到了行驶成本和等待时间成本综合最优的包裹投递效果。最后通过对带约束的K-means迭代聚类算法的测试实验表明本文所提出的算法在不同的点分布情况下,对于子区域的等级标记和划分具有良好的效果。对于不同轻重件比例情况下,改进蚁群算法均取得了比传统蚁群算法更小的综合成本。最后通过仿真实验证明了本文所提出的优化方案对于“最后一公里”物流问题中的包裹投递算法比现有的配送方案能取得较小的配送成本。充分证明了本文包裹投递算法在未来无人机应用场景中的有效性,正确性。