Las aplicaciones de entrega están experimentando un crecimiento significativo, lo que requiere algoritmos eficientes para coordinar el transporte y generar ganancias. Uno de los problemas que consideran los objetivos de las aplicaciones de entrega es el problema de recogida y entrega rentable de múltiples vehículos (MVPPDP). En este documento, proponemos ocho nuevas metaheurísticas para mejorar las soluciones iniciales para el MVPPDP basadas en el conocido algoritmo de inteligencia de enjambre, Artificial Bee Colony (ABC): K-means-GRASP-ABC(C)S1, K-means-GRASP-ABC(C)S2, Modified K-means-GRASP-ABC(C)S1, Modified K-means-GRASP-ABC(C)S2, ACO-GRASP-ABC(C)S1, ACO-GRASP-ABC(C)S2, ABC(S1) y ABC(S2). Todos los métodos lograron un rendimiento superior en la mayoría de los casos en términos de tiempo de procesamiento. Por ejemplo, para 250 clientes, los tiempos promedio de los algoritmos fueron 75.9, 72.86, 79.17, 73.85, 76.60, 66.29, 177.07 y 196.09, que fueron más rápidos que los de los métodos de última generación que tardaron 300 s. Además, todos los algoritmos propuestos funcionaron bien en instancias de tamaño pequeño en términos de ganancias al lograr trece nuevas soluciones óptimas y cinco soluciones iguales a las mejores soluciones conocidas. Sin embargo, los algoritmos se rezagaron ligeramente en instancias de tamaño mediano y grande debido a la estrategia aleatoria codiciosa y GRASP que se han utilizado en la fase de abeja exploradora. Además, nuestros algoritmos priorizan soluciones e iteraciones mínimas para un tiempo de procesamiento rápido en aplicaciones diarias de comercio móvil, mientras que reducir el número de iteraciones y el tamaño de la población reduce la probabilidad de obtener una buena calidad de solución.