مساله مسیریابی وسیله نقلیه یکی او مهمترین مسائل بهینه سازی ترکیبی است که کاربردهای زیادی در دنیای واقعی از جمله صنعت، اقتصاد، لجستیک، حمل و نقل و زمان بندی دارد. با اضافه کرون محدودیت های مختلف به این مساله نسخه های مختلف از آن گسترش یافته است که مساله مسیریابی وسیله نقلیه با پنجره های زمانی (VRPTW ) و مساله مسیریابی باز وسیله نقلیه با پنجره های زمانی (OVRPTW) نمونه ای از این نسخه هاست. در این مطالعه دو روش فراابتکاری به نام الگوریتم خفاش هیبرید (HBA) و الگوریتم جستجوی هارمونی بهترین سراسری خود تطبیقی هیبرید (HSGHS) به عنوان الگوریتم های کارا برای حل VRPTW و OVRPTW پیشنهاد شده است. HBA ابتدا اپراتورهای فرکانس و موقعیت الگوریتم خفاش استاندارد (BA) را برای حل این مسائل به عنوان یک مساله گسسته دوباره طراحی می کند و سپس با شبیه سازی ذوب فلز (SA) برای افزایش بهره وری در BA ادغام می شود. HSGHS یک روش هیبرید است که از جستجوی هارمونی بهترین سراسری خود تطبیقی برای اکتشاف فضای جستجو و به صورت تصاوفی از یکی از سه جستجوی محلی شبیه سازی ذوب فلز، تپه نوردی و سیل عظیم برای افزایش توان بهره برداریش استفاده می کند. SA و دو جستجوی محلی فوق الذکر از شش ساختار محلی شناخته شده که اطلاعات موجود در راه حل ها را برای رسیدن به راه حل بهتر تبادل می کنند، استفاده می کند. نحوه عملکرد روش های HBA و HSGHS روی مجموعه معیار سولمون مورد بررسی قرار گرفته و نتایج بدست آمده از آن با دیگر الگوریتم ها مقایسه و به طورکامل گزارش شده است. این نتایج بیانگر برتری روش های پیشنهادی نسبت به سایر روش ها می باشد.
