随着市场竞争的日益加剧、世界经济一体化进程的加快和科学技术的飞速发展，许多企业已经把物流作为提高市场竞争能力和提升核心竞争能力的重要手段，将先进的物流理论和物流技术引入企业的生产和经营管理中。作为实现物流合理化的重要内容和手段，研究车辆路径有助于企业降低物流成本，提高运作效率，全面提高顾客满意度。以往对车辆路径问题的研究多是基于确定性信息，而在实际中出现在路径制定者面前的往往是一些具有统计规律的随机性信息，研究确定性车辆路径问题的有效方法不一定能有效解决随机车辆路径问题。因此有必要研究随机车辆路径问题的特征，构造有效的模型和算法。但到目前为止，对随机性信息条件下车辆路径问题的研究仍然较少，许多不尽人意的地方有待于进一步完善和改进。 另一方面，近十几年来，由于经济、环境和法规等原因，逆向物流逐步受到重视，企业必须有效地对自己的产品实施全部或部分回收，进行再利用、再循环、再加工或妥善废弃处理。有关逆向物流的定量研究大多集中在系统网络设计中的选址以及设备分配问题，而路径问题的研究相对很少。因此将随机车辆路径问题和逆向物流车辆路径这两类现实意义较强的问题结合起来研究就具有进一步的必要性。 本文分别以逆向物流和随机车辆路径问题的研究现状和发展为背景，在车辆路径问题、组合优化及相关启发算法的理论基础上，将随机旅行时间车辆路径问题与同时送取货问题结合起来研究，建立了同时送取货的随机旅行时间车辆路径问题(STT-VRPSPD)机会约束规划模型，设计了与之相适应的遗传算法(GA)、分散搜索算法(SS)，并用实例验证了算法求解模型的有效性。本文的重点之一是构建了同时送取货的随机旅行时间车辆路径问题机会约束规划模型，并将动态问题通过机会方程的转化转变为静态问题处理。重点之二是在分散搜索算法基本原理的基础上，针对STT-VRPSPD问题的复杂特性，创新性地构造了解的改进策略、组合策略，并结合了改进的节约算法用于构造算法初始解，从而使本文设计的SS算法更加适应STT-VRPSPD问题特有的负载波动性，获得较好的求解质量。 本文的贡献在于结合了SVRP和VRPSPD问题，并将分散搜索算法引进到SVRP和VRPSPD问题的研究领域中，通过编程实现和算例仿真证明了模型与算法两者设计的合理性，以及通过实验结果的相互比较，得出SS对于STT-VRPSPD的求解质量优于遗传算法，但效率不如遗传算法的结论。 第一章是对随机车辆路径问题和逆向物流车辆路径问题的综述；第二章主要阐述了求解车辆路径问题的相关基础理论；第三、五章是创新点的聚集：第三章构建了STT-VRPSPD的机会约束规划模型；第四章设计了基本遗传算法，用作与SS算法的比较；第五章则根据模型的特性，构建了SS算法；最后在第六章给出了本论文的结论与该领域研究的展望。