W artykule przedstawiono wyniki badań przeprowadzonych w ramach projektu B+R, których celem było opracowanie efektywnego algorytmu rozwiązującego problem optymalizacyjny Team Orienteering Problem with Time Windows (TOPTW). W pracy porównano wyniki dwóch oryginalnych rozwiązań dla TOPTW pod kątem ich efektywności ekonomiczno-operacyjnej w przypadku zastosowania tychże rozwiązań do optymalizacji procesu realizacji zleceń transportowych na odcinku ostatniej mili. Została zweryfikowana hipoteza o wyższej skuteczności algorytmu mrówkowego nad algorytmem genetycznym w kontekście ekonomii transportu. W opracowaniu zostały przedstawione wyniki testów obydwu opracowanych algorytmów na klasycznych instancjach benchmarkowych. Implementacja zorientowanych na zysk algorytmów optymalizacji tras, rozwiązujących problem TOPTW, stanowi kluczowy czynnik redukcji kosztów operacyjnych na odcinku ostatniej mili. Przeprowadzone badania jednoznacznie potwierdziły wyższą jakość rozwiązań generowanych przez algorytm mrówkowy. Wyniki badań stanowiły podstawę wyboru algorytmu mrówkowego do wdrożenia w komercyjnym systemie klasy TMS (Transport Management System) do optymalnego zarządzania zleceniami transportowymi o nazwie AutoHiver.