生产调度作为连接管理与生产的重要环节,关系到从企业资源计划(ERP)到生产控制的整体优化实现。成熟通用的生产调度软件,有助于企业提高生产效率、降低库存成本和提升企业调控能力。而成熟通用的生产调度软件的灵魂是生产调度技术。计划评价与审查技术(Program Evaluation and Review Technique, PERT)就是杰出代表之一,它决定了工程项目利润的高低。在国内网络计划技术中的调度优化基本都采用了运筹学中的网络计划技术以及数学规划等方法,为决策者提供了不错的解决方案。但是不能保证取得最优解,并且单一解在实际中不能满足决策者的应变要求。当项目的工作数量很大或者工作间关系过于复杂时,这种整数规划或者线性规划求解方法就需要大量的计算,时间复杂率较高,寻优效率很低。针对上述问题,将现有的智能算法应用到网络计划优化中己成为国内外学者研究的热点之一。现有的智能算法本质上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。而遗传算法就是这类智能算法的代表之一而基本遗传算法主要存在两个缺陷。首先,基本遗传算法容易产生早熟现象；再次,基本遗传算法求解最优值的过程比较缓慢。基本遗传算法能比较有效地解决单极值函数的优化问题,但是对于多极值函数的优化问题,往往收敛不到全局最优值；并且基本遗传算法在局部搜索方面的能力不是很优秀。使用基本遗传算法解决实际问题时,由于各种各样的原因过早的收敛到局部最优解,而达不到全局最优解。针对以上所述的基本遗传算法的缺陷,本文首先将基本遗传算法进行改进,给出了一种改进的自适应遗传算法。改进后的自适应遗传算法使种群中最大适应值的染色体的交叉概率和变异概率不为零,使得它们在演化的过程中不会再停滞不前,增强了能力较差染色体的变异,增加了种群的多样性,避免了早熟现象的产生,使算法能够收敛到全局最优解。本文将改进后的自适应遗传算法,应用到求解网络计划调度优化中的资源优化、工期优化和费用优化问题以及综合优化问题。(1)资源优化问题。该问题分为两种类型：“工期固定---资源均衡”和“资源有限---工期最短”问题。对于“工期固定---资源均衡”问题,实现了单资源均衡优化和多种资源均衡优化的自适应遗传算法设计,并且与基本遗传算法求解的单资源、多资源均衡优化结果进行对比分析。对于“资源有限---工期固定”参考了文献[1]中的基本遗传算法求解该问题的方法,进行了自适应遗传算法的设计,在综合优化中将其和离散型的时间费用优化有机的结合在一起作为综合优化的第一步,利用自适应遗传算法对其进行求解优化,并与基本遗传算法的优化结果进行对比分析。(2)时间费用优化。该问题按照时间和费用的关系可分为两种类型：连续型时间费用优化和离散型时间费用优化。对于连续型时间费用优化问题,本文着重对连续型时间费用关系模型给出了求解工期和费用双目标的自适应遗传算法的求解方法,并且与文献[1]中提出的基本遗传算法求解的结果进行对比分析。结果表明自适应遗传算法在解决时间费用优化问题的高效性。对于离散型的时间费用优化,每件工作它除了自己的编号,还有若干种施工方法,每种施工方法中有消耗的费用和资源。它的自适应遗传算法设计与连续型相似,只不过它是以每件工作的施工方法编码作为基因编码方式。在综合优化中将其和“资源有限---工期最短”问题进行了结合作为了综合优化的第一步,并且对其进行了实例验证。(3)综合优化。实际的项目或任务的施工过程中,要考虑的不仅仅是单方面的优化,往往要将时间、费用和资源三个优化目标进行整合。所以,实际项目和任务中要求我们对其进行时间、费用和资源的综合优化。本文在文献[1]的基本遗传算法求解综合优化问题的基础上,给出了自适应遗传算法的求解方法。首先将“资源有限---工期最短”和离散型时间费用优化问题有机进行结合,对其进行综合优化的第一部分。将求得的最短工期和各件工作的开始时间等信息传递给资源均衡优化模块。资源均衡优化模块利用得到的工期,计算出每件工作的最晚开始时间。将得到的每件工作的开始时间作为最早开始时间,那么就在最早开始时间和最晚开始时间,随机生成一个值,作为工作的实际开始时间作为资源均衡部分的基因编码。最后,将两部分的优化结果输出,就完成了综合优化。通过实例验证,利用本文给出的自适应求解综合优化较之文献[1]中的基本遗传算法更加高效,从而表明了本文给出自适应遗传算法求解网络计划优化中相关问题的可行性和高效性。本文的创新点在于将基本遗传算法进行了改进,将该改进后的自适应遗传算法应用到了求解网络计划调度优化中,分别在求解资源优化问题、工期费用优化问题和将资源、工期、费用结合在一起的综合优化问题上,和文献[1]中提出的基本遗传算法求解进行实例对比分析。通过结果的对比分析表明,用本文提出的自适应遗传算法对分别对资源优化问题、工期费用优化问题和综合优化问题求解时,较之基本遗传算法收敛速度快,并且能收敛到最优值。