近年来公共卫生事件频频发生,造成了不同程度的人员伤亡和经济损失。2019年新冠疫情的爆发,全国各地都受到了疫情的巨大影响,为减少疫情造成的损失,必须建立一套科学高效的应急物资调度方案,从而保证各灾区群众的应急物资分配公平和配送效率,增强整个应急管理网络的稳定性和时效性。本文研究公共卫生事件初期应急物资分配和运输问题,提出一种基于优先级的应急物资调度模型。综合考虑需求点的需求紧迫度和时间容忍度来确定优先级,并根据优先级和基尼系数构建公平性指标,在突发事件初期物资短缺的情况下,建立两阶段模型来优化应急物流中公平与效率的问题,初阶段模型以最大公平性为目标建立物资分配模型,在此分配方案基础上,建立以最小调度时间和最小惩罚成本的双目标优化模型,采用ε约束法转换多目标问题为单目标问题,将最大最小蚁群系统和蚁群系统通过强化学习机制结合,设计为异构蚁群算法来求解单目标优化问题,该算法通过引入强化学习机制来交流和更新蚁群的信息素,设置奖励因子来调节信息素,增加解的多样性并提高算法的收敛性。在Solomon数据集上进行仿真实验,本文模型能够有效地制定应急物资调度方案,兼顾公平和效率两方面要求,在算法性能上,本文设计的算法相较其他启发式算法,有更好的收敛性和多样性并能跳出局部最优,解的质量有明显改善。最后在新冠疫情的具体案例下进行实验分析,验证了需求点优先级对调度方案的影响。实验结果表明该模型能够帮助决策者建立应科学合理的急物资调度方案。