随着社会的不断发展，各类突发事件造成的生命及财产损失愈发严重。尤其是地震、公共卫生事件等大规模突发事件正极大的威胁着社会生产生活的正常进行。为此，进一步完善应急管理体系，加快构建国家公共安全体制是我国政府目前一项重要的战略规划。合理的应急响应网络是构建应急管理体系、提高响应能力的基础。而且，在大规模突发事件下，实现各要素之间的有效协同是充分发挥各类资源能力的关键。然而，由于大规模事件的突发性、复杂性、不确定性及小概率性，合理构建应急响应网络并非易事。首先，如何保证应急响应网络在小概率极端事件下的有效性一直以来都是一项挑战;其次，如何确定网络中的协同关系以实现有限资源的充分利用同样非常困难。现有相关研究大多基于随机优化或鲁棒优化展开，但随机优化往往因其要求概率分布已知而过于理想，鲁棒优化又因对最极端情形的过度考虑而可行性较差。为此，本文针对大规模突发事件下的应急医疗网络设计问题，综合应急管理、运筹学、协同学等相关基础理论，根据问题基本特征深入研究考虑小概率极端事件的风险决策优化模型，并提出网络节点间的能力共享策略，以提高应急医疗网络的响应能力和效率。
　　首先，在明确一般大规模突发事件应急医疗网络设计问题的本质后，建立两阶段随机规划模型，进行医疗设施选址伤员分配联合决策，并以最小化伤员分配成本和伤员救治需求未满足惩罚成本等为目标函数。在上述模型的基础上，构建大规模突发事件协同应急医疗网络设计优化模型，通过面向不确定需求的应急医疗能力再分配，提高网络内各节点实际需求与有效供给的匹配水平，进而提高应急响应能力。为提高应急医疗网络在小概率极端事件下的可靠性，构建大规模突发事件风险规避型协同应急医疗网络设计优化模型，引入条件风险值将伤员救治需求未满足风险和伤员延迟救治风险在小概率极端事件下控制在较低水平。
　　另外，由于风险规避型协同应急医疗网络模型的复杂性，特别是在问题规模较大时，常用的求解工具如Gurobi和Cplex等均难以在较短时间内快速求解，这大大影响了应急响应的效率。为此，本文基于模型性质，提出了基于随机场景分解的大规模问题求解算法，通过明确在场景分解策略下的主问题、子问题及其对偶之间的可行关系，构建有效割实现优化模型的快速求解。最后，为验证上述研究的有效性，本文以汶川大地震为背景，基于相关统计数据生成大规模随机场景，算法效果分析表明本文提出的基于场景分节的割生成算法性能良好，求解速度明显优于Clpex、Gurobi等求解器;模型效果分析表明本文所提协同机制可通过医疗设施间医疗能力二次配置有效降低应急医疗网络在大规模突发事件下的响应延误率，且风险规避型模型可有效提高该网络在极端小概率事件下的医疗需求满足率，且协同机制与风险规避方法的联合应用可进一步提高应急医疗网络的可靠性。