近些年来,我国大规模突发性公共事件发生频繁,如1976年的唐山大地震、1998年的长江的大洪水、2003年的“SARS”、2005年的重庆毒气泄漏事件和松花江水的重大污染、“禽流感”、2008年初的南方雪灾、汶川大地震、甲型H1N1流感和2010年4月14日青海玉树发生的7.1级地震等突发事件造成的巨大损失,给人们留下了惨痛的记忆。现代社会的高速发展,使人口、资源、环境、公共卫生等各方面的社会问题日益尖锐,导致各类突发事件爆发更加频繁,危害加剧,受灾范围扩大。应急物流是以提供自然灾害、公共事件等突发性公共事件处理过程中所需的应急救灾物资为目的,以追求时间效益最大化和灾害损失最小化为目标的特种物流活动。因此,在突发事件处置过程中,必须快速建立应急物流系统,保障突发灾害处置中所需的应急救援物资供应,以资解决或处理居民基本生活、死者安葬、伤者救助、卫生防疫、灾后重建、恢复生产、恢复秩序等事项,否则受灾面积、人员、损失将会持续扩大,灾害会变得更加严重。因此在突发事件发生时建立应急物流系统,迅速地将救援物资送达物资需求点,直接影响到整个突发性公共事件救援行动的成效。本文研究的应急物流车辆调度问题是在满足应急物流时间要求的前提下,更合理的安排车辆的运行路线,最大程度的节约运输成本对于提高应急物流效率是很有意义的。本文首先分析了应急物流系统的特点、研究内容和运作流程。同时,就车辆调度问题进行了分析,介绍了车辆调度问题的提出、分类、典型问题的数学模型以及基本解决方法。并在此基础上提出了应急物流车辆调度问题,分析该问题与车辆调度问题(Vehicle Routing Problem, VRP)的区别,并建立了单车型、非满载、纯卸、单配送中心多受灾点的微观应急物流车辆调度优化问题的数学模型,同时选择了求解该问题的算法—蚁群算法(Ant Colony Optimization, ACO)。在应用蚁群算法对问题进行求解时,对蚁群算法的原理、特点、数学模型和算法实现步骤进行分析的基础上,针对算法的不足,分别通过对初始解的启发、状态转移规则和信息素更新策略的改进,改进了蚁群算法。并采用面向对象的C++语言对基本蚁群算法程序进行修改来对算例进行求解。结果证实了该算法在求解该类问题的可行性和有效性。