随着全球一体化进程的推进,国内外市场竞争日益激烈,加之科学技术的快速发展,产品生命周期不断缩短,人们对产品的服务质量和服务速度的期望越来越高,企业在完成配送任务的同时必须考虑提高配送的时效性并降低配送成本,因此研究车辆路径问题（VRP）,合理调度车辆,优化车辆路径,建立结构合理、运力集中的物流配送网络具有十分重要的意义。由于近年来国家对环境保护的政策加强,企业也意识到对废弃品回收进行循环利用或再加工不仅可以保护环境、节约资源,还可以帮助企业降低生产成本,有利于实现企业的可持续发展。在车辆路径问题中,将逆向物流与正向物流的无缝对接,形成一个功能完备、成本节约的配送回收物流网络,成为物流系统的重要模式之一,即同时送取货的车辆路径问题（VRPSPD）问题,其配送目标是同时优化正向物流中的货物配送和逆向物流中的货物回收。在实际生活中,由于道路拥堵、交通事故、天气变化、车辆管制等外部情况的变化,车辆行驶速度的不确定性使车辆旅行时间也具有一定的随机性。另外,客户对服务时间段往往具有一定的偏好性。本文综合考虑了车辆随机旅行时间、配送软时间窗、双向物流等因素,构建了随机旅行时间的VRPSPDTW模型,该模型更符合实际中的车辆路径问题的场景,更具一般性。车辆路径问题是典型的NP-难问题,随机旅行时间和逆向物流等因素的引入进一步提升了问题的复杂性,对解决该问题的算法也提出更高的要求。本文首先分析了国内外关于车辆路径问题的相关理论和方法,深入研究了精确算法、启发式算法、元启发式算法等求解算法,分析比较了各类算法的优缺点。蚁群算法由于其正反馈机制、并行计算等优点,是解决VRP问题的有效算法,但也存在容易早熟的缺点。自适应大邻域搜索算法可以根据算子的表现自适应调整邻域搜索方向,具有较好的邻域搜索能力,以更大的概率求得更优解,因此本文运用自适应大邻域搜索算法的思想来克服蚁群算法的缺点,根据研究问题的特点设计了改进蚁群算法。针对VRPSDP问题负载波动性的复杂特性,构造了基于车辆剩余装载能力的启发信息,提出了基于车辆剩余装载能力的路径可行性判断方法,该方法使路径可行性判断不依赖于车辆的初始载重,且可以避免大量的重复计算而产生的计算时间的浪费。最后采用经典算例集对本文模型和算法进行了仿真实验,将改进蚁群算法的求解结果与多种算法进行对比,在配送成本、计算时间、车辆负载等维度进行比较分析,验证了改进蚁群算法在求解随机旅行时间VRPSPDTW问题时具有良好的性能,可以有效提高车辆的负载使用率和服务准时率,弱化因负载波动和最大负载能力约束而导致车辆总行程的增加。