论文主要研究了基于鲁棒优化的应急管理中的车辆路线问题(Vehicle Routing Problem,简称VRP)。鲁棒优化作为研究不确定优化问题的一种新方法,受到了众多学者的青睐。论文在对不确定优化问题分析的基础上,对鲁棒优化研究的代表人物Sosyter Ben-Tal和Bertsimas的研究成果进行了总结,重点对鲁棒线性规划和鲁棒离散优化进行了阐述。研究了不确定优化问题鲁棒优化模型的建立,充分体现了其事先分析的建模策略,即在问题的优化模型中充分考虑了参数的不确定性,使参数在所给不确定集合内的所有实现均能满足问题的约束条件,而对其服从何概率分布没有要求。此后,论文重点阐述了鲁棒优化研究的核心问题,即如何将所建立的鲁棒优化模型转化为鲁棒对应模型,使初始的不确定优化问题转化为计算易处理的确定性优化问题,从而采用优化软件对问题进行求解。随着社会经济的高速发展,各种大规模的自然灾害和恐怖活动等一系列突发事件日趋频繁,于是针对这些突发事件如何高效的进行应急管理就显得尤其重要。当突发事件发生后,如何快速而及时的运送救济物资从而挽救更多的财产和生命,这已经成为一个很重要的研究课题。本文在对已有方法分析的基础上,重点对应急管理下的车辆路线问题中存在的难点,即需求和旅行时间的不确定性,进行了讨论。从优化的角度对车辆调度问题进行分析,结合sosyter鲁棒优化研究框架,把需求和旅行时间当作不确定参数,把未满足的需求和延迟时间总和的最小化当作目标,建立了应急管理下的单仓库和多仓库的车辆路线确鲁棒优化模型,即鲁棒0-1离散优化。经过推导得到的优化模型的鲁棒对应式最终等价于一个混合整数规划。编写精确的分枝定界和启发式的遗传算法,在其内完成上述混合整数规划的求解。通过其实验结果进行比较,显示了本文算法在不同需求和旅行时间下的优异性能,验证了所建立的应急管理下车辆路线鲁棒优化模型的可行性。