مساله مسیریابی وسیله نقلیه (VRP) یکی از مهمترین مسائل بهینه سازی ترکیباتی است که بسیار مورد توجه دانشمندان و محققین قرار گرفته شده است. این مساله شامل مسیریابی برای یک ناوگان وسیله نقلیه است که در آن هر کدام از وسائل، مجموعه ای از مشتری ها را مورد ملاقات قرار می دهند به شرط آنکه هر مشتری فقط و تنها فقط بوسیله یک وسیله نقلیه ملاقات شود. هدف در این مساله کمینه سازی فاصله های پیموده شده توسط همه وسائل نقلیه است. مساله مسیریابی وسیله نقلیه همراه با دریافت و تحویل همزمان کالا (VRP_SPD) یک گسترش از مساله VRP که در آن وسایل نقلیه نه تنها کالاهایی را به مشتریان تحویل می دهند بلکه همزمان کالاهایی را نیز از مشتریان تحویل می گیرند. روش بهینه سازی مورچگان (ACO) یک تکنیک احتمالی است که رفتار غذایابی مورچگان را شبیه سازی کرده و آنرا برای حل مسائلی که تاکنون الگوریتم کارایی برای آن وجود ندارد، مورد استفاده قرار می دهد. الگوریتم جمعیت مورچگان (ACS) یکی از مشهورترین روش های فراابتکاری است که در قانون انتقال و بروزرسانی فرمون با سایر نسخه های ACO تفاوت دارد. این مقاله یک روش بهبود یافته روش ACS ترکیب شده با الگوریتم جستجوی محلی سه گانه را برای حل مساله VRP_SPD ارئه می کند که در اطلاعات ابتکاری و ضریب تبخیر فرمون الگوریتم ACS با روش معمولی تفاوت دارد. این عمل سبب جلوگیری از همگرایی زودرس، فرار از نقاط بهینه محلی و یافتن جواب های بهتر برای الگوریتم می شود. الگوریتم پیشنهادی بر روی 34 مثال استاندارد از ادبیات موضوع اجرا شده است. نتایج محاسباتی نشان می دهد که الگوریتم توانسته است که بهترین جواب تاکنون بدست آمده را در چهار مثال ارتقا دهد و رقابت نزدیکی را با دیگر الگوریتم های فراابتکاری برای حل مساله VRP_SPD داشته باشد.
