网络计划优化在工程项目管理中是非常重要的,其核心问题就是按既定的目标对网络计划进行必要的调整,建立一个合理的进度安排,使整个项目所耗费的资源最小,资金最少,同时工期最短,它是工程项目利润高低的关键问题。一般网络计划优化问题包含工期优化、费用优化和资源优化三个方面的问题。工期优化的作用是通过不断缩短工期来达到满足工期要求的目的。费用优化又称为工期-费用优化。项目中的每个工作可以采用很多种不同施工方案或组织方法去执行,不同的方案具有不同的费用和持续时间,费用优化就是从项目中所有工作的方案中选择出最优的方案,以最终达到项目工期最短和总费用最少的目标。资源优化分为资源有限-工期最短的优化及工期固定-资源均衡的优化,前一个优化问题是在有限的资源限制条件下,使项目工期最短:后一个优化是降低资源的最大使用量,使资源分布均衡。目前有人对这三个问题进行了研究,但主要是对单个项目进行优化,而且主要只是对某一个目标的优化进行研究,对于多项目的优化以及多目标的综合研究则很少见。根据实际生产情况,本文采用遗传算对复杂的多项目网络计划优化的各个方面的单目标问题以及多目标综合优化问题进行了全面研究,并提出了自己的观点和改进方法。对于动态的网络计划优化问题,目前还未查到有文献对其进行研究,但该问题在现实生产中是存在的。本文采用滚动窗口技术,与遗传算法进行结合,成功解决了该问题。下面对各方面内容进行介绍。设计了一种可以动态存储多项目的十字链表算法。该算法使用十字链表可以存储任意多个项目,并能对项目进行动态增减,避免了对多项目网络图进行繁琐的合并操作,增加了多项目调度的灵活性和效率。对于多项目资源限制下的时间优化问题,采用一种混合遗传算法对其进行了研究。首先在初始化时,将多种启发式方法和随机方法相结合来生成初始种群,提高了初始解的质量,保证了初始解的多样性。然后对遗传算法中的交叉算子和变异算子进行了改进,交叉算子对部分交叉映射进行了改进,可避免产生非法解;变异算子采用一种基于邻域搜索的方法,能提高算法搜索效率。对模拟退火算法的状态产生函数进行了改进。本文将遗传算法和模拟退火算法进行了结合,首先进行遗传算法优化,然后采用模拟退火算法进行进一步寻优。最后对实例进行分析,证明本方法要优于多种启发式算法和智能计算方法。对于多项目资源均衡优化问题,建立了该问题的数学优化模型,然后采用遗传算法对其进行了优化。结合该问题的特点,设计了一种高效率的修复算子,该算子能有目的地将资源从使用量的最大的时段向使用量小的方向调整,在修复染色体的同时进行局部寻优的操作,提高了算法的搜索效率。采用遗传算法对资源的综合优化问题进行了求解。将项目调度优化和资源均衡优化方法相结合。首先求得在资源限制下求得项目的最短工期,然后再对资源进行均衡调整,使消耗的资源最少,该方法使两个目标都能达到最优。对于多项目的时间费用优化问题,采用遗传算法进行了优化。在实际生产中,项目的工作有两种类型,一种是时间与费用是连续关系,另一种是离散关系,针对这两类情况,本文分别用遗传算法进行了求解,同时考虑到了有规定完工工期,超期惩罚和提前奖励等情况。通过对两个实例进行分析,证明了本方法的有效性。采用遗传算法,对多项目的时间、费用和资源三个优化问题进行了综合优化。建立了多项目综合优化的模型,结合网络计划问题本身的特点,将综合优化过程分为两个阶段进行。将资源受限的时间优化和费用优化相结合,作为第一个阶段的优化。因为这两个问题具有不同的特点,所以给这两个问题分别设置染色体,分别进行交叉和变异操作,但这两个问题是相互依赖的,所以需要合并在一起进行评价和选择操作;为了加强局域搜索能力,每代中的每个个体的染色体进行随机组合优化。在这两个问题优化的基础上,进行第二阶段的资源均衡优化操作,以减少资源的使用量,最终达到对三个目标同时优化的目的。最后通过实例用不同的方法从不同的角度证明了本模型的正确性和高效性。对于动态多项目网络计划优化问题,首次提出了该问题的数学模型和基于遗传算法的优化方法。将预测控制领域的滚动窗口技术应用到该问题中,采用滚动窗口技术和基于事件驱动和周期性驱动的混合驱动策略,用遗传算法对实际工程项目中的各种突发事件和不断到来的新项目进行动态优化。通过仿真实验,证明本方法能够有效解决各种突发问题,取得良好的优化结果,是可行和高效的。