以新冠肺炎疫情为代表的各类突发事件给人民生命安全和社会和谐稳定带来了巨大的威胁。突发性事件会在短时间内带来大量的应急医疗物资需求,高效的物资调度对应急管理至关重要。对应急医疗物资调度问题进行合理建模和优化求解,具有重要的理论研究意义和实际应用价值。作者在参与应对新冠肺炎疫情的应急医疗物资调度研究工作中发现,城市中很多医疗物资调度问题都可以建模为两层车辆路径规划问题,具体问题的数学模型随物资种类的不同而存在差异。本文选取两种典型的应急医疗物资——医疗口罩和疫苗的调度问题,对其优化算法开展了深入研究:（1）口罩应急派送:针对政府向城市不同区域的市民发放医疗口罩的需求,提出了一个从中心仓库通过一组中转站将医疗口罩运送到多个需求点的问题,这个问题包含将需求点分配到各中转站的子问题,以及从仓库到中转站以及中转站到需求点的派送车辆路径规划子问题。为了有效地解决这一复杂调度问题,提出了一种混合启发式优化算法,采用水波优化算法来求解分配子问题,采用禁忌搜索算法来求解车辆路径规划子问题。新冠肺炎疫情高峰期杭州市医疗口罩派送实例上的计算结果表明,所提算法相比现有流行的算法具有明显的性能优势。（2）新冠肺炎疫苗应急分发:针对遏制疫情传播对于接种疫苗的需求,提出了一个从中心疫苗库通过一组中转站,使用专用车辆将疫苗运输到各个广泛分布的接种点的问题。为了有效解决这一问题,提出了一种混合机器学习和进化计算方法,首先使用模糊深层神经网络模型来预测第二天每个接种点的需求,从而可以安排车辆提前将预测的疫苗数量分发到每个地区的中转站,以显著缩短第二天的实际分发时间;接着在获得疫苗的确切需求后,利用进化算法求解从中转站/仓库到各接种点的疫苗分发车辆路径规划问题,通过设置保存历史实例和解决方案的知识库,可以利用在类似实例上表现良好的历史解决方案来提高新实例的初始解决方案的质量,从而加速算法的收敛。疫苗分发实例上的计算结果表明,所提方法相比现有流行的算法,在实践中能够显著提高疫苗分发的效率。