目前对网络计划优化的研究主要分为工期优化、成本优化及资源优化。一方面，大部分网络计划的研究只着眼于单个或两个目标因素，仍然不能完全满足工程管理中对多个目标同时优化的需求；另一方面，工程质量这一重要目标因素却由于不受重视、难以量化等原因被排斥在网络计划优化研究的主流之外。虽然近期有少量文献探讨工期、成本、质量这三个目标的优化，但是其使用的方法本质上仍然是传统的将多个目标方程线性加权转化成单目标问题的方法，并不是完全意义上的多目标优化，存在很多不足之处。本文的研究目的是：在网络计划的基础上，建立能够同时考虑上述多个目标因素的优化模型，并寻找一种有效的求解方法。多目标优化问题不存在唯一的全局最优解，而是存在一个非劣解集合，称为Pareto最优解。NSGA-Ⅱ，一种基于快速分类的非支配多目标遗传算法，通过代表整个解集的种群进化，以内在并行的方式进行搜索，一次运行可以求得多个无偏好的Pareto最优解，是求解Pareto最优解集的一种有效算法。本文首先在对质量进行量化的基础上构建了关于工程项目工期-成本-质量的三维多目标优化问题的数学模型，并应用多目标遗传算法NSGA-Ⅱ进行求解。此方法不需要确定各个目标的权重系数，避免了主观因素的影响。通过算例分析，一次运行即可求得一系列多样性和收敛性俱佳的Pareto最优解，找出了较优的施工模式组合，实现了对这三个目标的均衡优化。将结果通过线形插值拟合成曲面，能够为工程项目管理决策提供直观的依据。为了考虑资源均衡性的目标要求，本文在上述三维多目标优化数学模型上增加了关于资源均衡的目标方程，建立了关于工期-成本-质量-资源的四维多目标优化问题的数学模型。通过引入针对“工期固定-资源均衡”问题的遗传算法模块，建立了一个内嵌的遗传算法循环，并应用新的基于交叉配对限制机制(SBMS策略)对NSGA-Ⅱ算法进行了改进，克服了其在高维问题中的缺陷。通过算例分析，将改进前后的算法进行了对比分析，证明新方法能够在保证对Pareto最优边界的收敛性的同时改善Pareto最优解的多样性。通过对两个模型算例的分析和论证，证明本文在模型的建立和求解算法上的研究确实可以为工程项目管理中的多目标优化问题提供一种新的切实可行的思路和方法。