针对大规模灾难发生时首批生命物资的应急调度建模及优化求解问题进行了研究。将受灾点缺失损失评价函数由线性扩充到非线性，对一次性消耗类和连续性消耗类物资建立了多对多约束多目标调度模型。基于Pareto支配和拥挤距离的概念将人工蜂群基本算法应用到此问题的求解，并对算法进行了改进：基于反向食物源的定义提出融合反向学习的食物源初始化，以提高初始解的质量；将反向学习策略和广泛学习策略融合到蜜蜂搜索过程，以反向食物源和其他较好食物源信息来引导搜索方向。对三种规模下随机生成的调度问题数据的仿真实验表明，改进算法所求出的非支配前沿解集更具多样性，分布更加广泛和均匀，能够为首批应急物资调度决策进行支持。