农村地区物流配送具有基础设施差,配送效率低,运输成本高,发展速度慢的特点。如何降低农村地区配送成本,提升农村地区物流服务水平,提高配送效率,是当前亟需解决的问题。本文针对农村地区无人机配送站点选址问题,无人机路径规划问题以及无人机物流车并行配送路径规划问题展开研究。研究内容如下:（1）农村地区无人机配送站点选址研究。首先针对农村地区特点,构建了最小化无人机配送站点数量和综合配送距离的多目标无人机配送站点选址模型,设计了分层序列法进行求解,首先基于贪婪重叠圆算法确定无人机配送站点的最小数量,然后提出通过增加线性惩罚项和反向扩散学习机制的方式来改进萤火虫算法,进一步确定无人机配送站点的位置和配送子区域。（2）无人机路径规划研究。首先分析无人机配送的特点及配送需求,设定配送时间窗,考虑无人机载重及续航里程限制。构建了以配送成本最低和用户等待时间最小的双目标无人机配送路径规划模型。针对传统启发式算法求解大规模无人机路径规划问题速度慢,质量欠佳的问题,提出了基于动态编码的多无人机路径规划算法。（3）无人机物流车并行配送路径规划研究。针对同时涉及轻重两类货物的配送需求,增加物流车作为配送工具,构建了考虑配送成本最低和用户等待时间最小的双目标无人机物流车并行配送模型。设计了三阶段求解算法进行求解,首先对于重件点的配送,开发多种群竞争遗传算法规划物流车配送路径,提出通过合理添加轻件点来优化物流车配送路线的方式,分配物流车和无人机配送任务。最后结合提出的多无人机路径规划算法为无人机规划配送路线。给出完整的无人机物流车并行配送方案。（4）以湖北省大悟县的村庄为对象对本文提出的模型及算法进行验证,结果表明:本文提出的无人机配送站点选址及无人机路径规划模型,考虑了农村地区的地形特点及配送特征,适用于农村地区末端配送场景,解决了农村地区无人机物流配送复杂度高、效率低的问题。相比直接依据重量分配无人机物流车配送任务的模式,本文设计的三阶段求解算法,能够有效降低总成本,达到了降低配送成本和用户等待时间的目的。实验表明,与常规启发式算法进行对比,本文提出的改进萤火虫算法求解稳定性更好,多种群竞争遗传算法的求解速度更快,多无人机路径规划算法的求解效率更高,求解质量更优。