尽管当今世界科技发展同新月异,人类对自然灾害的预报也发展到了相当高的水平,但各种不确定的突发性的事件却层出不穷,有增无减,不仅给社会和国家造成重大损失和打击,有的甚至给人类的生存和发展带来潜在的威胁。当这些突发事件发生后,必然需要合理高效的应急资源调度去处理突发事件带来的各种影响。应急资源调度具有与普通物流相比的独特性,即强调时间的紧迫性,应急物资的运输往往以牺牲大量的经济效益换来时间效益,但是在实际应急资源的调度过程中有些代价是可以节约甚至省略的。本文旨在考虑应急点资源需求的紧迫程度的同时,考虑如何使调度的费用也尽量减少。本文主要研究在处理大规模突发事件时,应急资源的调度和优化问题,重点研究基于遗传和禁忌搜索算法的混合优化策略在应急资源调度中的应用。解决资源调度的算法很多,精确算法在求解小规模问题时可以取得精确的优化解,但随着问题规模的增大,算法的时间复杂度会呈指数函数增长。因而近年来大量的学者将目光移向智能算法的研究应用上来,比如遗传算法、模拟退火算法、禁忌搜索以及蚁群算法等等,大量研究也表明这些算法可以以较快的速度求得较优解。但是随着算法研究的深入以及问题规模和条件的增多,单一算法也暴露出来各自的一些局限性,因而人们考虑到用两种算法融合的思想,使得二者优势互补,进一步提高问题求解的质量和效率。目前,对于物流、车辆调度以及车辆调度常用算法的研究较多,但对于应急资源调度和智能混合优化算法的研究尚处于起步阶段,研究成果也相对较少,针对这一现状,本文就以下几方面较为系统地展开研究:1.通过对应急管理和应急物流的概念、特点的分析,建立应急物流车辆调度模型。该模型在首先考虑受灾节点资源需求迫切程度的前提下,使得资源调度的代价也尽量少。2.对车辆调度常用算法进行分析研究,提出更具优势的智能算法混合优化策略思想,即将两种智能算法结合起来,使二者扬长避短,相互补充。对基于遗传和禁忌搜索算法的混合优化策略(GATS)进行系统分析,包括算法构造的出发点、思想、流程、设计和特点。最后利用GATS解决基本TSP问题来验证其性能。3.将GATS应用与应急资源调度之中,描述应急资源调度最优路径思想,用实例进行仿真,验证算法应用的有效性。