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。本文以逆向物流的研究现状和发展为背景，以逆向物流车辆路径问题为研究领域，在车辆路径问题、组合优化及相关启发算法的理论基础上，较深入地研究了近年来才逐渐受到关注的同时送取货的车辆路径问题(VRPSDP)。 本文研究了在一个仓库下，同质车队具有最大负载能力限制及最大行程约束，客户同时具有送货需求与取货需求，产品以原有形态回收的逆向物流车辆路径问题，建立了具有车辆行程约束的’VRPSPD问题的混合整数规划模型。本文的重点是在蚁群算法基本原理的基础上，针对VRPSDP问题的复杂特性，创新性的构造了一种基于车辆剩余装载能力的启发信息，并结合了节约式蚂蚁算法用于计算蚂蚁候选表，从而使本文设计的RLC_ACS算法更加适应VRPSDP问题特有的负载波动性，获得较好的求解质量。 本文还通过对经典算例进行了试验仿真，给出了计算结果与分析，并与已有文献使用的其它算法得到的求解结果进行了对比，验证了本文中设计的蚁群算法对于求解VRPSPD问题，可以有效提高车辆的负载使用率，弱化因负载波动和最大负载能力约束而导致车辆总行程的增加，在可接受的计算时间内收敛到满意解。本文的贡献在于利用蚁群算法这一并行的智能仿生算法，将已有的改进启发式算法的研究成果引入到蚁群算法来解决VRPSDP问题，并最终通过编程实现和算例仿真证明了该设计的合理性。 第一章是对逆向物流及逆向物流车辆路径问题的综述； 第二章主要阐述车辆路径问题及其相关基础理论； 第三章是关于蚁群算法的原理与多种发展变形； 第四章研究改进蚁群算法来求解带有最大行程约束的VRPSDP问题； 第五章研究和设计了基于剩余装载能力的蚁群算法来求解VRPSDP问题； 第六章给出了本论文的结论与该领域研究的展望。