近年来,随着建筑业总产值和建安工程费在固定资产投资总额比例的增加,工程项目在国民经济中的地位举足轻重。但是建筑业的飞速发展以及工程项目大规模化、一次性和投资额大的特点使得项目管理人员对工程项目管理的难度增加。而其中最为重要和关键的一部分就是对于项目工期（T）、成本（C）和质量（Q）三大目标的把控,三者的综合优化成为了实现工程项目效益最大化的关键所在,所以对三大目标模型的建立和对多目标优化的方法变成了学术界的重点研究方向。但是绝大多数文献只是对模型的线性或非线性进行研究,比如工期-成本、工期-质量的一次函数、二次函数、s型函数等。很少探究两两目标函数的量化范围,如建立工期-质量模型时,只分析工程本身的质量水平,未考虑施工过程中对外界的不利影响。另外,虽然研究多目标优化问题的方法已从传统的方法转向智能算法,但仅针对工程项目领域的多目标问题而言,对算法易陷入局部最优的问题的处理有限,从而得出的Pareto最优解的精度较低。最后对Pareto最优解决策的处理也少之又少。本文针对以往研究的不足,分析了如下几个方面。首先,在建立工期-质量模型时,不仅分析了工程本身的质量水平,还考虑了施工过程中对环境造成污染后的外部质量评价,并对两者加权求和得出最终的工程质量。其次,在传统的粒子群算法的基础上,运用建立外部档案集、维护外部档案集和平均最优位置三种改进策略,并用测试函数对其检验,结果表明改进后的算法的性能更优,有利于求出精度更高的Pareto最优解。最后,提出用组合权重-灰色关联分析法对多组Pareto最优解排序。本文结合工程项目实例梳理模型中所需要的参数,建立符合该项目的工期-成本-质量优化模型,用改进的粒子群算法对该模型求解,得出Pareto最优解,即多组均衡的工期、成本和质量的组合。并用组合权重-灰色关联分析法对其排序,最终得到唯一的工期、成本和质量的组合,实现了工程项目的多目标综合优化。该结果相对于预期工期缩短了3.0%,成本减少了4.9%,质量水平达到0.79,远超过合同要求。本文着重为施工企业编制施工计划提供目标要求。不仅能给出均衡的目标组合,还能为不同目标侧重点的施工单位或工程类型提供较优的目标方案,为项目管理者制定目标提供有力的支持。