自然灾害等大规模突发事件的发生,每年都给人类带来巨大的损失,而及时的救援可以有效减少人员伤亡和财产损失。应急设施选址以及应急物资运输路径安排是应急救援中紧密联系的两个环节,传统的研究多将这两个问题分开探讨。然而,从系统整体优化的角度,有必要对二者进行集成优化,从而缩短应急物资的配送时间,降低整个应急物流系统的总成本。本文考虑到应急物流中需求的不确定性,提出了一种基于α-平均超出后悔值(α-MER)的选址路径问题优化模型,从应急物流系统的效率和效益两个角度出发,对客户等待时间和系统总成本两个目标同时进行优化。创新之处在于通过优化客户等待时间和系统成本的α-MER来减少当“较坏情景”发生时决策者对所做决策的后悔值。给定一个置信水平α,一组需求情景及其发生概率,当前决策方案下某一情景发生时所产生的后悔值定义为:该情景发生时当前决策方案的目标值与同一情景下可实现的最佳解决方案的目标值之间的差值。α-MER代表了尾部场景(发生概率的总和为1-α)的后悔值的平均值。基于此问题,本文建立了一个双目标混合整数非线性规划模型并设计了一个启发式算法求解。该算法首先用CPLEX得到小规模算例或者遗传算法得到中等规模算例下每个情景发生时每个目标函数的最优值,然后用带精英策略的非支配排序遗传算法(NSGA-II)求解得到考虑到多种情景和后悔值的帕累托最优解。为帮助具有不同风险偏好的决策者在帕累托解集中做出选择,本文引入了一个权重函数来比较各个帕累托解与理想解的距离,选取距离最小的解作为纳什议价解。通过一组算例验证了模型的正确性和算法的有效性。对决策者的风险偏好进行敏感性分析,得到了决策者风险偏好对于纳什议价解的影响。本文提出的方法有助于具有不同风险偏好的决策者在需求不确定的情况下对选址路径问题进行决策。