中国的制造业在促进经济发展的同时，也产生了高额的物流成本。除了管理不善外，最主要的原因还在于仓储和运输成本居高不下。随着业务的发展，大型制造企业扩大工厂建设，不得不选择精简工厂布局，采用流水线生产，摒弃工厂内的成品仓库，改建区域性中心仓库等措施，以最大限度的提高生产效率和减少仓储用地。　　流水线生产的成品，标准托盘化打包后，直接运送至有限空间的临时发货区，在规定的时间内让车辆运送至物流中心，即所谓的线边接货模式。在此模式下，为了避免发货区的溢出，以往的直送方式需要多辆车在发货区等待，如此显然会造成车辆资源的浪费，于是企业选择整合车辆资源，采取循环取货方式，以提高运输效率，降低物流成本。　　传统的车辆路径问题及其拓展问题理论并不能直接用于线边接货模式下的车辆运输调度问题，本文选择通过离散化需求拆分将每个工厂的连续运量拆分成若干个带时间窗的打包任务，从而将问题转化为带时间窗的多趟车辆路径问题。然后根据问题的特点，分别运用改进的粒子群算法和禁忌搜索算法对问题进行求解。　　在改进的粒子群算法中，引入聚类和划分任务等级的方法，提高初始种群生成的质量；而在禁忌搜索算法中，通过改进插入构造法和邻域结构算子，使其能够在连续的多趟路径之间操作，同时在邻域结构算子操作过程中采取“车载容量松弛”方法，提高算法的灵活性。　　最后通过实际案例分析来验证算法的有效性，通过实验将车辆的使用数量缩小至理论上的最低值，同时试验结果也表明在大规模问题的求解中，禁忌搜索算法在一定程度上优于粒子群算法。