随着全球自然环境的急剧恶化,一系列突发事件给社会的稳定和经济发展带来严峻的挑战。如何有效应对突发事件,是许多学者们关注的热点问题。应急物资的末端配送优化是应急决策中的关键环节,科学合理的应急路径规划能够有效地缓解灾情、降低损失。因此,本文对应急背景下受灾点和运输商不同的利益诉求进行分析,考虑应急路网结构的复杂性和交通信息的时变性,对静态简单图车辆路径问题和动态多重图车辆路径问题进行深入研究,针对不同的模型设计了相应的元启发式算法,通过不同类型的算例验证模型和算法的有效性。本文的研究内容主要包括以下几个方面:(1)通过参阅既有文献,了解车辆路径及其变体问题的国内外研究现状,提出目前该领域中存在的问题与不足。基于此,针对带软时间窗的经典车辆路径问题,结合萤火虫算法的邻域搜索能力和蚁群算法的高求解效率设计了萤火虫-蚁群混合算法。(2)由于紧急事件的突发性,造成应急初期有限的救援设施往往不能应付繁重的救援任务,尤其是面对大规模、多灾点的救援工作,可能出现运输车辆不足的情况。为此,本文提出自有车辆和第三方租用车辆混合调度的配送模式,兼顾需求点和运输商不同的利益诉求,建立多目标混合车辆路径优化模型。鉴于蚁群算法在求解大规模问题中表现出良好的求解效果,将非支配排序策略和变邻域下降搜索过程引入蚁群算法,设计了求解多目标的非支配排序蚁群算法。(3)从时间依赖的角度分析了交通信息的时变性,引入连续行程时间函数的建模方法,考虑道路结构的复杂性,将两需求点间的多条有效路径抽象为并行弧段,构建了多重图道路网络模型。分析应急场景下运输路径的决策依据,以路径的时效性和可靠性来衡量路径的优劣,建立双目标优化模型。考虑到双目标优化在多重图结构中存在pareto解集的嵌套现象,针对模型设计了双循环非支配排序遗传算法,采用Solomon算例部分数据对模型和算法进行验证。本文旨在对应急场景下的路径决策问题进行探索,通过分析影响运输过程的各种因素,明确了多目标优化更符合人们的实际决策心理,提出了应急路径的多目标优化方法。可为决策者在不同的应急环境下提供科学的决策依据。