当前国内交通运输业和物流业迅速发展,物流需求不断增长对整个社会和物流行业带来的压力日益凸显。传统物流配送有着劳动力成本高的特点,同时对能源消耗、环境污染和交通事故等方面都存在这不可忽视的影响,考虑到社会效益和企业经营成本,无人车配送能够有效改善上述问题。无人车配送从提出到应用已经有了一段时间的发展,但受限于技术水平和政策法规,实现全面商业化应用仍然需要时日。因此,本文提出了无人车与传统车协同配送的物流模式,能够在物流行业实现无人化配送的过渡阶段扮演重要的角色,通过对协同配送过程的路径优化研究,为物流配送实践提供理论依据。无人车与传统车协同配送模式中,受限于道路交通设施和相关政策,无人车只能在部分区域内单独行驶并完成配送任务,在该区域外无人车不能自由行驶,只能跟随传统车辆组成车辆队列行驶,而传统车辆可以在所有区域行驶并进行配送任务。以传统车为领航车、无人车为跟驰车辆组成车队,车队从配送中心出发开始配送,途径可供无人车单独行驶的区域进行分离,两种车辆分别进行配送任务后完成汇合,车队最后回到配送中心。针对无人车与传统车协同配送模式的特点,建立了以运输成本和等待成本为优化目标的载重受限的无人车与传统车协同配送路径优化模型。考虑实际物流配送中客户时间窗约束,在优化目标中增加了时间窗惩罚成本,建立了带时间窗的无人车与传统车协同配送路径优化模型。针对建立的优化模型,设计了一种自适应大邻域搜索算法（Adaptive Large Neighborhood Search,ALNS）用于求解问题。对ALNS算法的关键环节进行阐述,考虑到客户异质性,在算法中加入K-means算法用于实现不同类别客户点的聚类;设计了具有三种“破坏”算子和两种“修复”算子的邻域搜索操作;设计了自适应调整策略和解的接受准则。基于Solomon标准问题集设计符合问题特点的实验案例,通过计算机编程实现算法对案例问题的求解。实验案例结果表明本文设计的ALNS算法能够有效求解无人车与传统车协同配送路径优化问题,在求解时间、稳定性和收敛性方面都表现良好。最后设置不同时间窗约束和时间窗惩罚成本系数,求解结果表明时间窗对无人车与传统车协同配送路径优化问题的优化目标值和优化路径有明显影响。