随着全球经济发展市场竞争的日益激烈,现代项目日趋复杂,要求周期更短、资源均衡、成本更低。资源受限项目调度问题是一类重要的调度问题,它要求在满足项目时序约束和资源约束的条件下,安排所有任务的开工期和完工期,以达到某一最优的目标。目前国内对该问题的研究大都基于一个活动只有一个固定工期的执行模式等假设上,对多模式资源受限项目调度问题(Multi-mode Resource Constrained Project Scheduling Problem, MRCPSP)研究的还较少。因此,本文对多模式资源受限项目调度问题进行研究。　　多模式资源受限项目调度问题是典型的项目调度问题,属于 NP-hard问题的范畴。目前己有的针对该问题的优化方法概括起来可分为三类:以分支定界法为代表的精确类算法,基于优先规则的启发式算法,以及以遗传算法和模拟退火算法为代表的智能优化算法。　　本文根据多模式资源受限项目调度问题的特点,构建了基于活动存在多种执行模式,每个活动执行模式对应着不同工期与资源需求的MRCPSP问题模型。为了求解上述问题,本文在详细介绍了多智能体进化算法的基础上,提出了将多智能体进化算法应用到多模式资源受限项目调度问题中,并设计了相应的算法。实验中,各种标准测试问题集用于全面测试所提算法的有效性。实验结果证明了所提算法的有效性。　　本文还将粒子群算法应用到多模式资源受限项目调度问题中,详细介绍了粒子群算法求解多模式资源受限项目调度问题的求解过程。提出了一种基于任务列表的混合粒子群算法,该算法将遗传算法中的两点交叉引入到粒子的更新过程中,通过增加粒子的局部搜索技术帮助粒子跳出局部最优解。通过实验验证了算法的有效性。