近年来自然灾害频发，给人们的生命财产安全和社会经济发展带来了极大威胁，建立高效快速的应急救援系统迫在眉睫。应急物资的及时有效配送是救援工作的重中之重，而对应急物资需求的准确预测是保证配送工作顺利进行的前提。本文围绕应急救援工作，展开了应急物资需求预测和应急物资配送问题的研究。首先，利用间接的方法预测灾区应急物资需求量。BP神经网络算法是预测灾区人员伤亡时的热点算法，针对标准BP神经网络学习效率低、易陷入局部最优的缺点，运用附加动量和自适应调整学习率相结合的方法对其进行改进；建立了基于BP神经网络的灾区人员伤亡预测模型，并对15次大型地震中的伤亡人数进行预测，验证了预测模型的合理性和算法的有效性；之后，在建立应急物资需求量预测模型的基础上，估算汶川地震中帐篷的需求量。其次，基于应急物资配送问题的特点，构建了以满足灾区需求为前提，总配送时间最短的应急物资配送问题的模型。最后，设计了求解应急物资配送问题的改进遗传算法，提出一种改进的比例选择算子，既保证了种群的多样性，又保证种群总是向着最优解靠近；融入具有较强局部搜索能力的模拟退火算法，在一定程度上克服了基本遗传算法的“早熟”收敛和易陷入局部最优的缺陷；利用TSP问题验证了改进的遗传算法的高效性；并以一次应急物资配送实例，验证了配送模型的合理性和改进的遗传算法的有效性。