Este estudio desarrolló un modelo de optimización para la ubicación estratégica de los sitios de suministro de recursos de mantenimiento y la programación de múltiples recursos tras fallos en sistemas de metro urbanos, con el objetivo de mejorar la resiliencia del sistema. El modelo emplea un marco de optimización multiobjetivo, centrándose principalmente en minimizar el tiempo de programación de recursos y reducir costos. Incorpora factores críticos como la ubicación espacial, la topología de la red, el tamaño de la estación y el flujo de pasajeros. Se utiliza un método híbrido, que combina el algoritmo genético de ordenamiento no dominado III y la técnica de orden de preferencia por similitud a la solución ideal, para resolver el modelo, cuya efectividad se confirma a través de un estudio de caso del sistema de metro de Nanjing. Los resultados de la simulación arrojaron un número óptimo de 21 estaciones de suministro de recursos de mantenimiento y proporcionaron su ubicación. En caso de fallos a gran escala, la estrategia óptima de programación de recursos asegura que las tasas de satisfacción de la demanda superen el 90% en estaciones críticas, manteniendo una tasa general del 87.09%, mejorando así significativamente la eficiencia de la programación de recursos y las capacidades de respuesta ante emergencias del sistema, además de potenciar la resiliencia física y las capacidades de recuperación del sistema de metro urbano. Además, el modelo tiene en cuenta factores económicos, esforzándose por equilibrar las capacidades de respuesta ante emergencias con la continuidad de la producción y la eficiencia de costos a través de estrategias de mantenimiento efectivas y la utilización de recursos. Este enfoque proporciona un marco sistemático para que los sistemas de metro urbanos gestionen fallos repentinos, asegurando una rápida recuperación a las operaciones normales y minimizando las interrupciones operativas en escenarios de recursos limitados.