工程项目实施过程中,每项工作都是严格按照进度计划执行的,不存在不确定因素的情况下,工程项目会按期竣工交付生产或者投入使用。但是,实际的工程项目中却存在许多不确定因素,如施工质量不按标准执行造成的返工,施工机械的损坏或维修、施工材料的不及时供应造成的窝工,不可抗力(天气的突变、地震等)等因素,都会严重影响施工进度造成工期拖延,势必会给施工单位造成严重的经济损失。工时(持续时间)之间的相依性是普遍存在的,从工时相依性角度出发对早期制定的网络进度计划进行优化,对各项工作的自由时差进行更为合理的利用,从而更有效地管理项目进度保证项目工期。本文在已有工期费用优化理论的基础上,对项目中普遍存在的工时相依性进行测度,并将其用来更新工时数据,将费用作为工期优化的约束条件建立数学模型,同时考虑工时相依性对优化模型进行修正,最后运用遗传算法实现工期优化。主要内容包括：首先,重温了施工项目进度计划制定的基本方法CPM/PERT技术。然后介绍了Monte Carlo仿真原理,并对工时分布情况进行了Beta、正态和三角分布假设,通过仿真结果比较了三种情况下工时平均值和标准差,最后预测了工期及完工概率。在此基础上引出工期优化的原理,即在资源充足的情况下,将费用作为约束条件求出费用最低的时候所对应的工期。其次,提出了工时相依性的工期优化问题和优化步骤。具体为首先对工时相依性进行了度量,假设串行工时相依性为线性关系,采用皮尔逊积矩相关系数进行度量；假设并行工时相依性为非线性关系,从产生并行相依性的角度出发考虑共同的影响因素和组织管理两个方面,采用非线性结构方程模型进行度量。之后,对初步制定的进度计划进行工时更新,并利用Monte Carlo仿真模拟工期及完工概率。再次,以上述的工期优化模型为基础,不再将费用分为直接费和间接费而是作为一个整体,假设费用与工期为二次函数关系,并将工时相依性度量结果作为工期优化系数建立工时相依性工期优化模型。以遗传算法为基础,依次对染色体设计、初始种群生成、适应度评价、遗传算子设计和终止条件进行了具体的阐述。最后,通过一个工程实例来演示工期优化的过程,对模型的实际适用情况进行验算。通过对比分析经典工期优化和基于遗传算法的工时相依工期优化的结果,发现考虑了工时相依性的工期优化结果更加有效。