21世纪随着信息时代的飞速发展，带来的变化也日新月异，随之而来将是愈发激烈的竞争。谋生存，求发展，将是每个企业必须关注的长久大计。一方面在这个激烈的竞争过程中，技术的更新与发展起着很重要的作用，但是工程的项目管理在其中所扮演的角色将愈来愈重要。因为在新的竞争中，如何合理的利用现有的资源以及如何合理完成任务都是很明显的，而好的项目管理它可以实现对现有的资源进行高效的使用，从而使效益最大化。因此越来越多的企业也在努力的提升项目管理的质量。　　 遗传算法本质上就是处理离散优化搜索问题的，它不要求问题空间的连续性，不需要梯度信息，其鲁棒性(Robust)已经得到了证实，在处理大型复杂优化问题上已经取得了显著的成绩，所以在解决较大规模网络计划的多目标综合优化问题时，具有其它方法无法比拟的优势。　　 本文首先分析了本课题的研究目的，意义及目前国内外的研究状况，提出课题研究的必要性。着重介绍了遗传算法相关理论，如交叉操作，变异操作等。并介绍了遗传算法的一些特点，分析了遗传算法的全局性和容易过早收敛，指出遗传算法当前的一些研究方向。　　 然后介绍了项目调度问题及其解决方法，从而引出了对资源约束下多项目调度求解的必要。还介绍了多目标优化的基本概念，多目标优化如何分类，进而引出多目标优化演化算法。介绍了多目标演化算法的发展情况、第一、二代算法区别，并对几个经典的算法进行说明，比较了它们的优缺点。随后对遗传算法做了综述。从遗传算法衍生过程，其整个的操作过程开始，详细介绍了遗传算法的每个步骤。从6个方面来讨论遗传算法的整个实现过程：编码，初始化种群，目标函数，交叉变异，参数设定，约束条件。　　 最后分析了资源约束下项目调度问题，首先对其建立相关数学模型。并根据相关模型设置不同的数据结构，然后根据遗传算法的操作编写程序。最后通过应用文献中的具体例子进行程序演算。并在实例的基础上对结果进行了分析。　　 本文的研究工作对资源约束下的多目标调度问题可以起到一定的推动作用，同时也为实际问题的求解提供了一种可能方法，具有一定的理论意义和实际应用。本论文涉及到项目调度，多目标优化理论，遗传算法，是一种多学科交叉课题。