近年来，自然灾害和公共卫生事件频发，给人类生命财产带来了巨大损失，对社会稳定和经济发展造成了巨大影响。尽管突发事件下的应急救援问题受到诸多学者和管理者的关注，但目前在实际应急救援工作中仍然存在诸多不足之处，如响应速度慢、救援效率低等。与此同时，许多重特大灾害往往会引发次生灾害，且资料显示，次生灾害所带来的危害和造成的损失有可能会超过原生灾害，因此为了避免造成更大规模的经济损失和人员伤亡，次生灾害的影响不可忽视。
　　研究表明在应急救援过程中物流相关的活动占比高达80％，作为灾后应急救援行动开展的重要保障，科学高效的应急物流网络能够加快物流进程，减少救援时间，进而减轻灾民痛苦。但灾害的突发性、不确定性、动态变化等特点极大的增加了应急物流网络优化设计的难度。因此如何应对不确定因素及次生灾害对应急物流网络的影响，建立稳健性较高的应急物流网络是应急救援中亟需解决的问题。基于此，本文对考虑次生灾害的应急物流网络优化问题进行了研究，旨在提高应急物流网络灾后响应速度和救援能力。运用随机优化、鲁棒优化及分布式鲁棒优化等运筹学方法根据不确定参数分布信息的掌握情况分别进行建模求解，并在考虑次生灾害的单周期优化模型的基础上扩展到多周期优化模型以应对持续性灾害。在模型求解方面，根据模型和问题自身特点分别运用改进的Benders分解算法、逐步对冲算法、滚动时域等方法提高模型求解效率。主要内容包括以下三个方面:
　　(1)研究了不确定参数概率分布信息已知情况下的应急物流网络随机优化问题。构建了考虑次生灾害的随机优化模型，采用条件概率场景树的方法描述不确定参数以及原生灾害与次生灾害之间的关系，并在此基础上以最小化期望救援成本为目标优化灾前设施选址及库存决策、原生灾害及次生灾害后的物资分配决策。并将单周期决策问题扩展到多周期应急物流网络优化问题，根据动态更新的不确定参数相关信息，周期性地制定设施的选址、库存及物资分配计划。针对所构建的基于场景的混合整数规划模型，在Benders分解算法的基础上，结合问题特点通过添加有效不等式、强化割平面等加速策略对算法进行改进，以加快其收敛速度，提高求解效率。数值实验表明考虑次生灾害的随机优化模型能够改善应急物流网络的救援能力，同时也验证了改进的Benders分解算法与直接求解的方法相比，在计算效率上的明显优势。
　　(2)研究了不确定参数概率分布信息未知情况下的应急物流网络鲁棒优化问题。提出基于范围估计的条件概率场景树，通过随机场景和不确定集合相结合的方法描述不确定参数，建立考虑次生灾害的应急物流网络鲁棒优化模型。在此基础上，针对动态不确定参数，提出基于预测-决策制定-动态调整的多周期应急物流网络优化方法，建立了多周期鲁棒优化决策模型。根据模型特点，分别运用逐步对冲算法和滚动时域算法求解模型，并提出了相应的加速策略。数值实验不仅验证了基于随机场景的鲁棒优化方法在提高决策抗干扰性上的优势，而且表明了多周期鲁棒优化方法在不确定参数动态变化下能够合理配置资源，减小资源浪费。另外，结果分析也验证了改进的模型求解算法在大规模问题下的求解性能。
　　(3)研究了不确定参数概率分布信息不完备情况下的应急物流网络分布式鲁棒优化问题。充分利用现有不确定参数的相关数据，从中提取出概率分布相关的信息构建模糊集合，建立单周期分布式鲁棒优化基础模型，提出了基于对偶理论的模型转化和基于线性决策法则的模型近似方法以提高其可处理性，并将模型扩展到考虑次生灾害的多阶段决策形式。针对灾情信息动态更新的持续性灾害，提出基于模糊集合动态调整的多周期应急物流网络分布式鲁棒优化模型，并运用滚动时域的方法进行求解。数值实验验证了分布式鲁棒优化所得解决方案的稳定性，并且说明了增加不确定参数相关的数据规模能够通过修正概率分布模糊集合减小决策方案的保守性、提高决策的经济性。另外，结果表明面对持续性灾害时，多周期分布式鲁棒优化在需求满足率、总救援成本等方面优于单周期决策模型。
　　本文立足于提高灾后应急物流网络响应速度和救援能力，针对优化过程中的不确定参数及次生灾害带来的影响，运用不同的决策方法设计和优化了应急物流网络，在丰富应急管理理论方法的同时又可以从实践上对应急管理提供决策建议，对于提高灾后应急物流网络优化与设计具有一定的指导意义。