资源调度是指资源的合理分配以及有效使用，而应急资源调度则是指，在突发事件的背景下，对资源的合理分配和有效利用，其目的主要是降低由突发事件而造成的的人员伤亡和财产损失。当发生突发事件时，一般需要制定应急资源调度的调度方案，确保整个救援过程中资源的有效抵达和伤亡的最小化。然而，实际情况中，面对的突发事件各不相同，包括突发事件所产生的后果也不尽相同。而应急资源调度研究正是致力于探讨在各种突发事件中，如何制定高效的资源调度方案，使资源能合理分配和有效利用，在实际应用中具有重要的指导作用。本文从实际情况出发，根据救援所关注的侧重点的不同，探讨了在不同的应急情景下应急资源的有效运输问题。　　（1）多受灾点、多需求点、单运输方式情境下的应急资源调度问题研究。现实生活中，如地震、雪灾、海啸等突发事件经常发生，所以应急管理就在管理学和社会科学中变得越来越重要，也引起了人们的广泛关注。在应急资源管理中，如何快速有效地把资源从应急物流中心合理分配到受灾点就变得尤为重要。为了提高资源分配的有效性，减少资源分配中的人员和经济损失，本文设计了一个在满足应急需求的基础上缩短最早救援时间、最晚救援时间和减少资源分配次数的数学模型，并提出了基于自然数编码的多智能体遗传算法（MAGA-NC）来优化求解该模型。实验表明，本文所设计的模型是可靠合理的，算法是有效的。该算法可用于帮助决策者做出合理的决策。　　（2）多种运输方式下的应急资源调度问题研究。当发生突发事件时，可以使用各种不同的运输方式，将应急资源由资源供应点运往受灾点。不同的运输方式在资源调度中具有完全不同的特点，如何合理地选取有效的运输方式，将应急物资由供应点运送到受灾区域具有很重要的意义。在多运输方式中，主要考虑的是如何缩短物资抵达的时间以及降低物资运送的成本。本文中，我们设计了一个同时考虑上述两个问题的多运输方式的模型，目的是找到二者之间的平衡关系。同时我们设计了一个改进的使用自然数编码方式的多智能体遗传算法(MAGA-MTERS)，并设计了惩罚函数来求解该模型。接着，将该算法和传统的遗传算法进行了比较。结果显示，MAGA-MTERS能够获得比传统的遗传算法更好的解。最后，我们使用了汶川地震的数据测试了该模型和算法的可行性，实验表明该模型是合理的，算法是有效的。　　（3）Memetic算法用于解决大规模突发事件下的伤员救援问题。在发生大规模突发事件的时候，如何将病情不同的伤员运往适合的医院，这不仅取决于资源的可利用性（包括运输能力和治疗能力），还取决于伤员的生存概率。基于此，本文通过将受灾点的伤员的伤情进行量化，建立了一个最大化伤员生存概率的数学模型，并提出了一个改进的进化算法，Memetic算法。实验表明，和已有的算法相比，该算法具有较高的寻优能力。尤其在求解我们的所设计的模型中，Memetic算法能得到比已有算法更好的解。