计划评审技术(PERT,Program Evaluation and Review Technique),是50年代后期发展起来的现代项目管理的重要技术模型之一,它是以网络图为基础的计划模型,即用网络图来表示项目中各活动的进度、先后次序、时间、相关成本及相互之间的制约关系,通过网络分析确定项目的关键活动与关键路线,并不断的调整与优化网络,使得项目计划能够更为合理的调度安排人力、物力、时间及资金,从而在保证项目进度的前提下,以最低的代价完成项目计划。　　 PERT的核心是网络计划的优化,即利用时差,不断的改善网络计划的初始方案,并在满足一定的约束条件下,寻求项目管理目标达到最优化的计划方案。对项目工程来说,网络计划的优化是非常迫切的,合理的网络计划可以带来可观的经济收益和好的社会效益。随着科学技术与生产的发展,项目的工序变得繁多且协作面广,对于逻辑复杂且工作繁多的网络优化问题,传统的优化方法(如非线性的分枝定界法,线性规划的单纯形法,动态规划法,填谷消峰法,各种启发式算法等)一般优化效果差且无法承受其计算量。遗传算法是模拟生物界的适者生存、优胜劣汰遗传机制的一种随机化搜索方法,它能高效的解决这类离散优化搜索问题。通过文献[12,14,17—20,28,29]可知遗传算法在网络计划优化问题中的应用已经比较成熟,但是目前将小生境遗传算法应用到解决网络计划优化的报道还较为鲜见。小生境遗传算法作为遗传算法的改进算法,既维护了群体的多样性,又使得各个个体之间保持一定的距离,并使得个体能够在整个约束的空间中分散开来,相比传统遗传算法,小生境遗传算法的全局搜索能力较强。因此本文将小生境遗传算法应用到解决网络计划优化的问题中,并取了很好的效果。　　 网络计划中的工期、资源及费用之间的关系是相互制约的,网络计划优化中工期最短、资源最均衡及费用最少这三个目标又是相互矛盾的,由此得到网络计划优化模型包括:工期固定.资源均衡优化模型、工期-费用优化模型、资源有限-工期最短优化模型、资源时间费用综合优化模型。　　 工期固定-资源均衡优化模型:在工期不变的情况下,通过调整各工作的实际开工时间来让资源均衡。资源的均衡利用是为了使资源得以充分发挥作用和效益。对资源均衡的优化目前主要采用“消峰填谷”法,利用工序的时差,不断调整,让资源在各时间段的消耗均衡。对于工序繁多的大型工程,这种方法并不适用。　　 工期-费用优化模型:在项目任务计划要求的的工期内,使项目工程所花费用最低；在项目计划的最低费用要求下,使得项目完成工期最佳。项目工期与项目费用之间是相互联系的。是某段变化范围内,项目工期缩短,项目费用就会增加,项目费用减少,项目工期就会延长。　　 资源有限-工期最短优化模型:在资源有限的条件下,通过调整各工作的开始时间顺序来让工期最短。这种优化不能改变网络计划中各工作之间的先后顺序。　　 资源时间费用综合优化模型:是多目标优化问题,即在适当的工期内所耗费用最低且在工期内各时间段的资源均衡。经典的多目标的规划方法是给出各个目标一定的权重,然后将各目标加权相加形成一个总体目标,转化为单目标问题进行求解。但是,由于网络计划本身的特点,通常的方法并不适用。　　 综上所述,本文在分析了遗传算法和小生境遗传算法的基础上,指出了遗传算法的不足,同时通过对几种优化模型的研究分析,分别提出了基于小生境遗传算法的解决方案,其具体方案如下:　　 (1)利用小生境遗传算法进行资源优化:为了有效的求解资源优化的问题,分别提出了工期固定-资源均衡优化的小生境遗传算法的求解模型及资源有限-工期最短优化的小生境遗传算法的求解模型,并用实验的方法证明了小生境遗传算法对资源优化问题的可行性且证明在工期固定-资源均衡优化问题中小生境遗传算法比遗传算法的优化效果更好且收敛速度更快。　　 (2)利用小生境遗传算法进行费用优化:为了有效的求解费用优化的问题,分别提出了连续型费用优化的小生境遗传算法的求解模型及离散型优化的小生境遗传算法的求解模型,通过案例分析验证了小生境遗传算法在费用优化应用中的可行性,并通过实验研究得出结论:相比遗传小生境遗传算法更适合处理连续费用优化问题,遗传算法更适合处理离散优化问题。　　 (3)利用小生境遗传算法进行综合优化:为了有效的求解多目标优化的问题,提出了针对综合优化独有的小生境遗传算法求解模型,即分层综合优化模型:在分层综合优化模型中的费用优化模型中:若处理的是连续型费用优化则采用小生境遗传算法,若处理的是离散型费用优化则不采用小生境遗传算法,分层综合优化模型中资源均衡优化模型采用小生境遗传算法。优化过程是先进行时间费用优化并将计算的参数值传递到资源均衡模型中,从而获得综合优化结果,通过案例的分析及与遗传算法的优化结果进行对比证明了小生境遗传算法在网络计划综合优化应用中的可行性及高效性,具有良好的效果。