近年来各种突发事件频繁发生,救护车作为一种基础公共医疗服务设施受到越来越多的关注。除满足日常紧急医疗服务需求外,救护车更是重大灾害与事故当中不可或缺的医疗支撑力量。在大规模突发事件处置当中,可能存在大量伤员同时需要紧急医疗援助,救护车作为一种稀缺资源其能否得到科学有效调度将在一定程度上影响伤员生存几率和经济损失。然而目前常见的救护车调度体系仍然以调度员的工作经验为基础尚未得到足够的计算智能方法的支持,存在较大风险。本文的研究立足于解决灾害响应阶段对救护车的路径规划问题。本文将伤员分为两种类型:轻伤病人仅仅需要救护车到达后直接在原地进行急救,而重伤病人则必须马上由救护车送往医院。根据伤员的不同类型和所处位置,将该多救护车调度问题建模为一种带有任务分配的车辆路径规划模型。本文的研究有如下主要贡献:1、基于元启发式算法的救护车调度方案研究:因为救护车数量有限,在灾害救援中,不是所有呼叫请求都可以立刻得到救助。为了减少病人的等待时间,提升病人的生存几率,针对各类病人的最迟服务时间,设计了一种元启发式算法求解多救护车的调度问题。针对该问题特点对解的表示进行了改进,并设计相应的算子提高了解空间的搜索效率。在模拟案例中通过小规模实验验证了该算法的有效性。2、基于多智能体遗传算法的救护车调度方案研究:在前一项工作的基础上,设计了一种多智能体遗传算法求解多救护车的调度问题,根据问题特性对多智能体遗传算法进行了改进,并引入了一种新的局部搜索方法,用于提高算法的全局搜索能力。从而有效避免过早收敛,提高了算法性能。并通过不同规模的具体实例验证了算法的有效性。3、基于多目标进化算法的救护车调度方案研究:大多数情况下应急处置过程中的决策者是无法忽视实际情形下的经济花费。那么如何在救援花费尽可能小的情况下达到“对大多数人尽可能有利”这一调度目标,即在救护车调度中如何在最小化经济预算这一目标下取得更好的生存几率,这也是是我们在这项工作中考虑的多目标优化问题。针对生存概率与经济代价这一对相冲突的目标进行问题建模,并将改进的多目标进化算法NSGA-II算法和MOEA/D同时用于解决该问题。最后通过不同的生存概率模型来进行实验,并验证了算法的有效性。