近些年来我国大规模应急事件频发,这使得对应急物流的需求愈发迫切。突发性、弱经济性、不确定性使得应急物流很大程度上区别于常态物流。为了应对应急物流这些特性,需要有针对性的设计相关模型及算法。多车场车辆路径优化问题(MDVRP,multi-depot vehicle routing problem)是传统的车辆路径问题的扩展,其多供应点、多需求点的假设更符合应急物流实际情况。本文在传统MDVRP模型的基础上加入了供需关系这一因素,提出了含有供需关系的多车场车辆路径优化模型。模型中为需求点设置了最低与最高需求用以模拟应急物流发生时的需求不确定、供需不平衡等因素。考虑到车辆路径问题是一个典型的NP-Hard问题,为了能够在应急物流需求发生的第一时间获得较优解,本文设计了两种智能启发式算法。改进遗传算法首先使用边界系数对需求点进行分组,将多车场问题变为多个单车场问题。在选用不同边界系数的基础上使用节约算法及扫描算法生成大量初始解,保证初始种群多样性和有效性。使用了一种借鉴贪婪思想的最优位置插入交叉算子,相对于标准的交叉算子而言该算子能够保留有效线路信息,减少对已有线路的破坏。在改进遗传算法的基础上融入禁忌搜索算法,本文实现了文化基因算法。通过使用标准MDVRP问题的测试集进行测试证明了本文所提出的改进遗传算法相对于传统遗传算法具有较大的优势,而文化基因算法则将求解的质量进一步提升。最后本文通过使用SuperMapGIS及Java开发了一个可视化的应急物流车辆路径优化软件。该软件前端使用Flash开发,拥有较强的跨平台工作的特性,后端服务器中嵌入了不同的模型,实现了应急物流车辆路径优化的辅助决策。