在大规模群体突发事件发生后,如何及时有效地调配资源,是保障应急救援快速实施的关键。本文以煤矿为背景,对应急救援资源调配问题进行了研究。我国是世界上的产煤大国,但是煤矿事故频发。而应急救援起步较晚,存在管理机制薄弱,应急装备数量不足,专业救援队伍和统一信息平台缺乏等问题。如何在有限的条件下有效地调配资源是保障煤矿应急救援快速实施的关键。经深入国家矿山救护基地调查研究,我国煤矿应急救援资源调配方式耗时费力,严重影响了救援时机。因此,研究煤矿应急救援资源及时、合理的调配方法具有重要的现实意义。当前的研究一般将应急救援资源调配问题转化为网络最短路径问题和物资数量供求约束下的供应点选点问题来求解,此类方法应用于我国煤矿应急救援领域具有局限性：不仅难以满足应急救援中资源需求随灾害环境动态变化的特性,而且难以支持由于缺乏统一的煤矿应急救援信息平台而形成的分布式环境。分布式约束满足问题(DCSP--Distributed Constraint Satisfaction Problem)擅于表示及求解分布式环境下以协作性为主的高难度问题,是一种适合解决具有信息分布、需求随环境动态变化、资源受限、群体决策等特点的资源调配问题的有效方法,而煤矿应急救援问题正好具有这样的特征。因此,本文的研究目标,就是要采用DCSP方法来解决煤矿应急救援中的资源调配问题,提取煤矿应急救援资源调配现实模型,分析并构建煤矿应急救援资源调配的DCSP模型,讨论Agent模型、变量模型和约束模型的定义,改进相应的Multi-AWS(Multi-AWS--Multiple Asynchronous Weak-commitment Search)算法,并将基于DCSP的煤矿应急救援资源调配系统应用到煤矿应急救援的现实问题中去。本文的研究工作主要包括以下3个方面：1、构建了基于DCSP的煤矿应急救援资源调配模型本文采用DCSP方法来解决煤矿应急救援资源调配问题,因此,通过收集材料和深入国家级煤矿救护基地调查研究,我们提取了煤矿应急救援资源调配现实模型,通过分析现实模型,构建了基于DCSP的煤矿应急救援资源调配的模型,并定义了Agent模型、变量模型和约束模型。因此,本文在应急救援资源调配方面提供新的解决方法的同时,为DCSP应用于煤矿应急救援资源调配领域做出了贡献。2、改进了支持基于DCSP的煤矿应急救援资源调配模型的Multi-AWS算法煤矿应急救援资源调配属于处理多局部变量的DCSP问题,本文比较分析了各个求解DCSP问题的算法,采用适合煤矿应急救援资源调配问题的Multi-AWS算法作为基础。考虑到煤矿应急救援资源调配问题资源优先性和约束优先性等实际背景,我们从变量优先级和约束优先级两方面对Multi-AWS算法进行了改进,并用模型生成的随机数据对改进后的Multi-AWS算法进行实验验证。实验表明,该算法能在合理的时间范围内获得资源调配方案,且多次实验的最大决策时间少于传统决策时间,因此,我们认为改进的Multi-AWS算法求解基于DCSP方法的资源调配问题是可行的。3、对实际的煤矿应急救援资源调配问题进行了研究为探讨抽象的模型运用于具体的煤矿应急救援资源调配问题的有效性,本文构建了煤矿应急救援资源调配的DCSP系统,并将此系统应用于真实的煤矿应急救援资源调配问题中,我们选用某煤矿发生的Ⅲ级煤与瓦斯突出事故作为应用背景。实验比较了基于DCSP的煤矿应急救援资源调配方法和传统方法的资源调配结果。实验结果表明,基于DCSP的煤矿应急救援资源调配方法可缩短资源调配的决策时间,做出比实际方法更优的资源调配方案,使所需资源更快速地送达事故点,实现有效的资源调配,为煤矿应急救援工作的实施争取到大量救援时间,保障应急救援工作的有效实施,从而减少煤矿事故发生后的人员伤亡和经济损失。