物资应急调度作为灾后应急管理工作的关键环节,调度计划是否合理直接影响灾区救援工作能否顺利开展。高效可行的调度方案可以保证物资的快速充足供应,有助于减少灾害带来的不利影响,从而保障人民群众的生命财产安全。然而,在配送中心单一且不考虑各受灾点的物资配送时间要求下,调度方案存在整体配送效率低下的问题;另外受到灾害的持续影响,在道路突发情况下易造成调度方案的可行性降低;此外,在各受灾点物资需求量发生变化时可能出现车载物资不足等情况,从而严重影响调度方案的可靠性。因此,寻找高性能的算法来提高调度方案的执行效率、可行性及可靠性成为灾后物资配送中亟待解决的现实需求问题。为此,本文研究和改进现有鲸鱼群算法和深度强化学习算法来解决上述不同情况下的物资应急调度问题,分别实现了多配送中心带时间窗、动态路况变化及需求量动态变化下物资调度方案的成本最小化,为灾区物资调度方案的研究与制定提供了较为可靠的理论和技术支持。本文的主要创新之处如下:（1）基于改进离散鲸鱼群算法的多配送中心带时间窗物资应急调度问题研究由于灾区各受灾点地理分布较广且对物资配送时间的要求不同,若仅使用单一配送中心对无配送时间规划的受灾点进行物资配送,可能增加车辆在受灾点处的等待时间,从而导致整体配送效率降低。为此,提出一种改进离散鲸鱼群算法来解决多配送中心带时间窗的物资应急调度问题,通过构造多层编解码方式、种群混合初始化方法、个体移动规则及贡献度函数等,以适应问题的离散特性并提高算法求解性能。在标准测试集Solomon上进行实验计算,结果表明所提算法有效缩短了车辆行驶的总距离。（2）基于分组移动鲸鱼群算法的路况动态变化物资应急调度问题研究针对灾后道路突发状况导致车辆无法在已规划路径上正常行驶,进而影响各受灾点物资配送工作的快速进行这一问题,本文提出一种基于分组移动的鲸鱼群算法来解决路况变化的物资应急调度问题。构建了改进扫描-节约算法来制定合理高效的车辆初始调度方案,并构造了分组移动规则来提高个体在解空间中的搜索能力,同时设计了不同权重策略来扩展个体搜索空间。计算结果表明,所提算法在路况发生改变后能及时获得调整后的调度方案,可有效消除路况变化带来的不利影响。（3）基于改进动态注意力模型的需求量动态变化物资应急调度问题研究由于各受灾点物资需求量会受灾害影响而发生变化,为解决车辆按照已有调度方案执行时出现车载物资量不能满足受灾点的需求或按当前方案执行时效性差等问题,本文利用深度强化学习算法具有自学习的优越性,提出一种基于改进门控循环单元的动态注意力模型。在动态编解码框架中引入改进门控循环单元,对不同时刻的节点信息进行加权组合,以获得更具代表性的节点嵌入;并采用REINFORCE算法对模型进行训练,来学习需求量变化与受灾点访问顺序间的隐藏关系。结果表明所提模型在需求量变化时可自动调整物资调度方案,从而提高方案的可靠性。