在灾害应急响应中,及时修复受损路网、打通生命通道,是开展灾后救援工作的一个重要环节,这对应急救援的实施和灾民的快速安全疏散具有重要的现实意义。已有研究大多着眼于路网本身,构建的路网模型过于理想化,且仅考虑修复路网中哪些路段可以实现目标的最优化,而没有考虑这些受损路段是否可达,以及道路抢修队的具体调度,也没有考虑受损路段的修复顺序对于应急救援的影响。基于此,本文利用智能决策理论和计算机辅助工具对应急管理中道路抢修队调度问题展开研究,主要的工作如下:(1)调研和分析了应急救援中受损路网修复问题的研究现状以及存在问题,确定了本文的研究内容;介绍了 Agent系统、马尔科夫过程、强化学习模型和Q-learning算法,为求解道路抢修队调度问题提供求解方法。(2)提出了一种无连续受损路段下道路抢修队调度问题的建模与求解方法。首先构建了无连续受损路段下路网的数学模型,用受损节点代表受损路段,并剔除所有非需求节点;利用马尔科夫决策过程描述抢修队的修复活动,设计了 Agent的动作空间、状态空间和回报函数;提出了一种基于Q-learning的无连续受损路段下道路抢修队调度算法。对比实验表明本文的算法具有较强的鲁棒性,能够在不同的路网条件下求解得出有效合理的调度策略,并且提高了运输效率和修复效率。(3)提出了一种连续受损路段下道路抢修队调度问题的建模与求解方法。针对路网中存在多个连续受损路段的情形,在保留部分非需求节点的基础上构建了抢修队调度问题的决策模型,并证明抢修队调度的决策是一个马尔科夫过程;提出了一种基于Q-learning的连续受损路段下道路抢修队调度算法。实验证明本文算法在道路网严重受损的复杂情况下,能有效地求解连续受损路段的调度规划问题。