近年来,自然灾害(地震、海啸等)和人为灾害(恐怖袭击、化学品泄露等)频繁发生,给国家和人民造成重大财产损失和人员伤亡。灾害应急救援在减少人员伤亡和经济损失方面有至关重要的作用,已经成为一个重要的研究课题。而应急物流是在紧急事件救援中将各种应急物资从供应点向受灾点的紧急配送过程。因此,在灾害救援中,根据实际情景构建合理模型并且找到最优应急物流调度方案具有重大意义。本文针对灾害救援中应急物流调度问题的特性,做了以下研究:(1)在多供应点、多种资源类型、多车型和多受灾点的情境下构建灾害救援应急物流调度的合理模型。为了保证配送的及时性和有效性,首次提出以调度完成时间和总不满足时间加权和作为优化目标,并使用多智能体遗传算法(MAGA)来优化目标。最后,通过在台湾Chi-Chi地震数据上的仿真实验来验证所提出算法的有效性,实验结果表明我们所提出的算法的收敛速度和得到的解的质量都比传统遗传算法和memetic算法好。(2)设计了一个新的多目标模型同时优化总不满足时间和运输费用。提出了一种改进的快速非支配排序遗传算法(mNSGA-II)来求解问题模型,为决策者提出多种可行的应急物流调度方案,以便其作出决策。和传统的NSGA-II相比,设计了有效的局部搜索算子,使算法性能明显提升。针对应急物流调度问题多约束的特性,设计了3个修理算子来进一步提高解的质量和可行性。最后,我们做了两个仿真实验来证实算法的有效性,一个是基于台湾Chi-Chi地震数据的仿真实验,另一个是在人工合成的大规模数据上的仿真实验。(3)考虑实际灾害救援中的各种不确定因素,针对道路情况的不确定性,设计了一个基于情景的模型;针对需求量的不确定性,提出了一种探测法。以总不满足时间和运输费用为目标,提出一种基于分解的多目标进化算法来优化目标,为决策者提供多种最优并且可行的调度方案。最后,通过在中国汶川地震数据和大规模数据上的仿真实验来验证算法的性能。