近年来，为减轻灾害导致的后果，如何构建有效的供应网络以积极供应救灾物资成为一大难题。在所有救灾物资中，血液资源相较其他常规物资尤为不同。由于血液的稀缺性，血液资源的过度供应会造成资源的极大浪费，而血液资源短缺又会付出较大的生命代价。其次，在灾害情境下，由于血液的易逝性与需求随机性，有效匹配血液的供需极为不易。因此，如何在考虑灾害事件的情况下构建一个血液供应网络，该问题受到广泛关注。其中，需求不确定性为主要难点之一。为处理不确定性，部分研究基于随机规划，即假设随机变量服从一个精准的概率分布。然而，某特定地区灾害数据的稀缺性导致难以获得精准的概率分布。应对数据稀缺的问题，许多研究引入鲁棒优化的方法。然而由于仅考虑模糊集中最糟糕的情况，导致模型决策过于保守。
　　针对现有研究不足，本文采用分布式鲁棒优化作为建模基本思想。在分布式鲁棒中，考虑一组随机变量可能服从的概率分布，进而构成模糊集合。该方法优化模糊集合中最糟糕分布下的最优决策，而非具体的概率分布，最糟糕情况或模糊数。该方法的优点之一在于，即使数据量稀缺，也可较为方便构建模糊集，如基于矩信息的模糊集。因此，分布式鲁棒优化适合针对数据稀缺的问题进行建模，适用于处理考虑灾害事件的血液供应网络优化问题。
　　为优化灾害事件下的血液供需匹配问题，本文考虑两阶段血液供应网络优化问题。灾前准备阶段中，本文针对灾害频发地带，主要关注血液日常存储与配送决策，需在满足日常需求的同时，又为未来的灾害事件进行预存储准备。灾害发生时，本文继而针对临时采血点的选址、血液转运等救援策略进行优化。模型的目标在于最小化第一阶段的成本及第二阶段的期望成本。随机血液需求的模糊集合则通过历史数据中易得的一阶矩、二阶矩等指标进行构建。
　　本文构建的两阶段血液供应网络优化模型实质上为带有整数补偿的分布式鲁棒优化模型，在现有文献中较少涉及。多数分布式鲁棒相关的模型为单阶段问题，少量的两阶段分布式鲁棒优化模型也仅带有数学性质较为简单的线性补偿。为弥补该研究不足，本文针对该类模型提出了一个近似估计转化方法。具体来说，首先通过拉格朗日对偶与Schur补理论将原模型转化至一个带混合整数下层规划的双层半定规划问题；其次，本文通过凸包构建的方法对下层整数变量进行了等价线性化，并进一步将下层问题的等价Karush-Kuhn-Tucker(KKT)条件与上层问题合并，最终转化为一个易求解的单层半定规划问题。
　　此外，基于相同的建模背景，本文构建了分布式鲁棒优化的对比模型，包括确定型模型、随机规划以及鲁棒优化模型。以龙门山地震带为实例背景，本文对分布式鲁棒优化模型及其对比模型进行了求解，并对单位库存成本、缺货惩罚成本及补货周期三类外生变量进行了灵敏度分析。验证结果表明：1）分布式鲁棒优化模型较其对比模型，对未来灾害损失的预估最为准确；确定型模型因其仅考虑变量均值，往往导致最高的灾害损失与预估偏差；鲁棒优化模型的决策通常过于保守而随机规划模型的决策很大程度取决于概率分布的设定，当决策者未准确估测变量的概率分布函数时，决策有效性会大幅降低；2）即使三类重要的外生变量有所变动或存在估算偏差，分布式鲁棒优化模型相比对比模型仍能保证其决策有效性；3）分布式鲁棒优化模型的决策与成本项对三类外生变量的变动较为灵敏。因此，决策者需仔细估算单位库存与惩罚成本，并在灾前运营阶段中针对不同血液产品合理设置补货周期。