资源受限项目调度问题是在满足时序与资源的双重限制下,合理安排项目中的任务,以达到某种目标最优的一类调度问题。现有对资源受限项目调度问题的研究主要集中在单一目标的优化,而实际调度过程中通常包含有多个目标,因此对多目标资源受限项目调度问题的研究就具有重要的理论和实际意义。本文针对多目标资源受限项目调度问题进行了相关研究:首先,对多目标优化问题的相关概念及求解方法进行了简要介绍,对经典资源受限项目调度问题、多模式资源受限项目调度问题以及多目标多模式资源受限项目调度问题的相关概念及数学模型进行了描述,并对求解资源受限项目调度问题的智能优化算法进行了简单介绍。其次,针对多智能体邻域结构的不同,将智能体模型与知识模型相结合,提出一种知识引导的多目标多智能体进化算法。算法定义了智能体的不同邻域环境,通过对邻域之间的竞争、正交交叉以及知识学习等操作实现种群的演化过程。并采用一种新颖的方法求非劣解集,使用循环拥挤排序法对外部归档集进行维护。通过对多个测试函数的仿真结果表明,知识的引入不仅增加了种群多样性,而且提高了算法的收敛性。最后,将知识引导的多目标多智能体进化算法应用到求解多目标多模式的资源受限项目调度问题中。算法采用任务链表与模式链表相结合的编码方案,使用串行调度方案进行解码操作,定义了智能体进化过程中竞争、交叉及自学习操作。通过对几个工程实例的仿真验证,表明该算法对于求解多目标资源受限项目调度问题是有效的。