针对单一机制的自适应大邻域搜索算法存在早熟收敛、易陷入局部最优的问题，提出了一种混合自适应大邻域搜索算法来求解冷链物流时间依赖型车辆路径问题（TDVRP）。首先，根据连续型行驶时间依赖函数来刻画时变车速，采用综合油耗模型来评估实时燃油消耗量，并建立了以总成本最小化为目标的路径优化模型；然后，根据问题的NP-hard性质和时间依赖特性设计了多种破坏和修复解的大邻域搜索算子，并将破坏-修复大邻域搜索算子融入到人工蜂群（ABC）算法之中，以提高算法的全局搜索能力。仿真实验结果表明，与自适应可变邻域搜索精英蚁群（AVNS_EAC）算法、自适应大邻域搜索精英蚁群（ALNS_EAC）算法、自适应大邻域搜索精英遗传（ALNS_EG）算法和自适应大邻域搜索模拟退火（ALNS_SA）算法相比，所提出的自适应大邻域搜索人工蜂群（ALNS_ABC）算法在多组测试数据上的最优适应度值分别平均提高了46.3%、5.3%、36.8%和6%。可见所提算法计算性能更高、稳定性更强，能够为冷链物流企业兼顾经济效益和环境效益提供更为合理的决策依据。
