随着现代经济的飞速发展,尤其是电子商务平台的快速崛起,也带动了物流行业的迅猛发展。但与此同时,物流成本,配送效率,服务质量等一系列问题也日益凸显出来,尤其是“最后一公里”配送,长期以来一直是整个物流配送流程中成本最高,效率最低,污染最严重的环节。随着人工智能等新技术的发展,无人配送车的出现或许是解决这一难题的有效手段。因此本文对无人车解决“最后一公里”配送问题展开了研究。结合无人车配送的特点和当前主流的物流配送场景,本文将无人车配送问题抽象为带时间窗约束的多目标车辆路径优化问题（MOVRPTW）,并构建相应的数学模型。在优化目标方面,本文模型共设计了四个优化目标,基于物流企业考察了总行驶里程和总配送时间,基于客户考察了是否能按时送达所有订单,基于无人车考察了各车辆的工作量是否平衡。对于模型的求解算法,本文提出了一种基于自适应大邻域搜索算法和禁忌搜索算法的混合启发式算法,并在初始解,算子设计,算子选择策略等多方面进行了改进。经Solomon标准算例集测试,本算法对VRPTW问题具有优良的求解效果。最后,本文采集了某配送中心的真实配送数据,制成数据集,并将其与本文设计的MOVRPTW模型相匹配,采用ALNS+TS混合算法进行求解,再通过对比实验,验证了模型的可行性和算法的有效性。