一个truck-UAV团队由一辆货车与一个或者多个无人机组成。truck-UAV团队的包裹收发问题是利用无人机协助货车完成包裹收发任务的问题。当前truck-UAV团队的包裹收发问题很少考虑包裹具有独立截止时间限制的情况,但是在实际应用中包裹的截止时间不可忽视,例如医疗供给,违反截止时间约束会导致任务失败。以往算法由于无法保证到达路径上节点的时间能够满足合理的截止时间约束,直接应用这类算法会导致大量任务延误。本文研究的具有截止时间限制的truck-UAV团队包裹收发问题,寻求在合理时间完成尽可能多的任务。本文从三个角度对问题进行了研究,包括单truck-UAV团队的内部协同,多truck-UAV团队的合作和需求动态出现的场景。单truck-UAV团队的场景侧重于truck-UAV团队内部货车与无人机的路径协同规划,提出了整数线性规划模型。针对大规模场景,本文提出了快速求解的启发式算法,基本思路是组合多种方法生成的子路径,将最优组合作为输出路径。实验表明该算法能够快速找到有效路径,其服务节点数量接近于直接求解整数线性规划所得路径的服务节点数量。多truck-UAV团队侧重于truck-UAV团队之间的合作,提出了基于分支定价（branch-and-price）框架的算法。该框架使用分支定界（branch-and-bound）算法获取当前已知路径集合中的最优路径组合,并利用本文提出的启发式算法构造新的truck-UAV路径扩充已知路径集合。实验表明相较于对比算法,该算法能在合理时间内找到服务更多节点的路径。需求动态出现场景的研究侧重于处理新任务信息,提出了基于任务集合估值的路径构造算法。其基本思路是基于已知信息,使用静态truck-UAV路径构造算法构造路径。当新出现任务集合估值高于预设路径上剩余任务集合的估值时,重构truck-UAV路径,否则继续预设路径。实验结果表明相较于对比算法,该算法能够快速找到服务更多节点的路径。本文针对truck-UAV团队的包裹收发问题的三种场景,提出了各自的算法,能够在合理时间内找到有效的路径,高效率地解决问题。