IT运维服务人员调度问题主要考虑如何安排现有的运维人员,快速、有效地对故障进行处理,从而尽量降低故障产生的影响。其中,每个任务有不同的释放时间、截止时间、重要程度以及紧急程度,而运维服务人员具有异质性,可以完成的任务、完成各任务的时间以及单位工作成本都不同。这些情形在现实工作中大量存在,而理论研究尚存在不足,研究相应的服务人员调度问题具有现实意义和理论价值。本文讨论两类IT运维服务人员调度问题,建立了相应的非线性混合整数规划模型,一类是最小化总成本的调度问题,主要考虑运维人员的工作成本和任务的延迟成本;另一类是最小化最大延迟的调度问题,主要考虑任务的释放时间和任务的最大延迟。针对小规模问题求解研究了分支定界法,分别设计了多条剪支规则和多类下界来剪除搜索过程中的部分分支,以加快求解速度。而为了求解大规模问题,开发了一系列扩展的遗传算法。设计多种邻域结构来形成变邻域算法,并将变邻域算法融入遗传算法中形成基于变邻域的遗传算法。为了改善遗传算法的收敛速度和陷入局部最优的情况,提出了基于知识模型的自适应遗传算法。在小规模案例的计算实验中,运用分支定界法进行求解。实验结果表明,在最小化总成本的IT运维服务人员调度问题中,每种剪支规则在不同案例下具有不同的剪支效率,其中特有剪支规则2表现最好;将问题松弛为每个员工同时可处理多个任务时产生的下界最优。在最小化最大延迟的IT运维服务人员调度问题中,公共剪支规则3表现最好,特有规则中,剪支规则2表现最好。在中大规模案例的计算实验中,比较了变邻域搜索、遗传算法、基于变邻域的遗传算法、改进的遗传算法、基于知识模型的遗传算法、基于知识模型的自适应遗传算法等六种算法的效果。对比分析表明,融入了变邻域的遗传算法比单独的变邻域搜索算法和遗传算法表现优秀。加入了知识模型和自适应交叉、变异概率后,遗传算法收敛速度变快,解的质量显著提高。