随着社会经济的发展、工业化进程的加剧,国内外大规模突发事件频有发生,且灾难级别越来越不可人为控制,给世界各国造成了难以估量的损失。灾害发生后,往往需要调集大量各类应急物资,并通过应急物资配置调度策略选择最佳的应急物资集散点,实时有效的将应急物资送至各灾害需求点,从而最大限度的降低人们生命及财产的损失,及时稳定社会秩序、把控事态发展。为此,本文以应急物资配置调度的特点及固有策略为基础,以高效配置调度应急物资、最大化满足需求点的物资需求量为目标,研究了基于智能优化算法--改进差分进化算法的应急物资配置调度问题。首先,本论文从应急物资配置调度理论知识出发,分析了应急物资调度与普通物资调度的特点及差别,梳理了应急物资调度的过程,构建了应急物资配置调度的网络拓扑结构图。其次,因应急物资配置调度问题是高维多模态函数优化问题,为提高求解效率,本论文将优化性能较高的差分进化算法应用于问题的求解。为此,提出了一种改进的差分进化算法--自适应加权动态差分进化算法(AWDDE)。改进点为:首先采取混沌映射理论对种群进行初始化,提高初始种群的质量;其次通过对标准DE变异策略的加权组合,提出了新的加权变异算子,并对缩放因子和交叉概率进行自适应加权调整,动态平衡了算法的全局探索能力和局部开发能力;最后,引入高斯扰动算子,随机产生扰动变异,加速早熟个体跳出局部最优。为验证算法性能,将AWDDE算法与标准DE算法、SADE算法、CAPSO算法进行对比仿真实验。利用MATLAB工具,将各算法在5个Benchmark函数上独立运行30次和50次,最终求得各算法的最优解与仿真曲线图。结果表明,AWDDE算法相对于其他优化算法,具有全局寻优能力强、收敛速度快、求解精度高和稳定性强等特点。最后,因应急物资配置调度是个多目标实时动态的过程,本文从实际应急活动情况出发,将改变策略对于原调度的影响考虑进去,并综合应急救援时间、救援成本、救援满意度等多种优化目标,构建了两阶段应急物资调度模型:灾前的应急救援集散地选择模型和灾害发生时的应急救援调度-重调度模型。并将本文提出的自适应加权动态差分进化算法应用于两阶段调度模型的求解:第一阶段的调度物资集散点的选择;第二阶段的重调度选择,即当需求点及需求量发生改变时,如何设置储备库与集散点的供给量,使得运输成本及需求点的满意度达到最优。通过具体问题的求解及仿真,验证了AWDDE算法在求解应急物资调度问题时的可行性与高效性。