یکی از مباحث مهم که در چند دهه اخیر کاربرد زیادی برای افزایش کارایی و بهره وری در سیستم های حمل و نقل داشته است، مسأله مسیریابی وسایل نقلیه (vrp) می باشد. از آن جا که vrp، جزء مسائل np-hard است روش های دقیق تنها پاسخگوی مسائلی با مقیاس کوچک می باشند، ولیکن برای مسائل با مقیاس بزرگ زمان حل روش های دقیق ارائه شده خیلی طولانی است. بنابراین از الگوریتم های فراابتکاری جهت یافتن جواب بهینه در زمان محاسباتی مناسب استفاده می شود. مسأله مسیریابی وسایل نقلیه با جمع آوری و تحویل همزمان کالا (vrpspd) نسخه ای ازvrp است که در آن برای هر مشتری دو تقاضا، یکی برای جمع آوری و دیگری برای تحویل کالا، در نظر گرفته می شود و این تقاضاها باید در هر موقعیت مشتری به صورت هم زمان برآورده شوند. در این مسأله نوع و ظرفیت وسایل نقلیه همسان می باشد. کالای تحویلی برای مشتریان از پایانه تأمین شده و کالای جمع آوری شده از مشتریان به پایانه باز گردانده می شوند. نسخه دیگر این مسأله، مسیریابی وسایل نقلیه ناهمگن با جمع آوری و تحویل همزمان کالا (hvrpspd) است که از نظر نوع و ظرفیت وسایل نقلیه متفاوت می باشد. هدف، طراحی مسیرهایی برای وسایل نقلیه با حداقل هزینه است. در این تحقیق از الگوریتم مورچگان که یکی از الگوریتم های فراابتکاری می باشد جهت حل چنین مسائلی استفاده شده است. استراتژی حل پیشنهادی مبتنی بر ترکیب الگوریتم کلونی مورچه (acs ) و سیستم مورچه های رتبه بندی شده (asrank) می باشد که سیستم کلونی مورچه های رتبه بندی شده (rbacs) نامیده شده است. در پیاده سازی و اجرای الگوریتم پیشنهادی برای vrpspd از مسائل استاندارد استفاده و نتایج به دست آمده با دو روش ارائه شده توسط دثلوف و ژانگ مقایسه گردید و با ارائه کیفیت جواب مناسب، برتری این روش بر دو روش دیگر نشان داده شده است. در نسخه دوم مسأله(hvrpspd) با توجه به جنبه جدید بودن نوع مسأله، نمونه مسائل تصادفی ایجاد گردید و دو شیوه به کارگیری ناوگان از نظر نوع و ظرفیت وسایل نقلیه مورد بررسی و تجزیه وتحلیل قرار گرفت. دو روش rbacs که روش اول بدون استفاده از جستجوی محلی 2-opt و روش دوم شامل 2-opt می باشد برای این مسائل، پیاده سازی گردید. نتایج محاسباتی نشان داد که استفاده از جستجوی محلی می تواند ارزش جواب های به دست آمده را بهبود دهد.