计划评审技术是对给定项目进行详细科学分析的方法。其目的是为大型的、复杂的项目制定合理的计划,并将其结果用图的形式表示出来,以方便调控人员管理和调度整个施工过程。PERT能协调项目中的各个活动,合理安排各项活动需要的人力、物力、财力及时间,达到加快整个项目实施进度,优化项目资源,提高效益的目的。目前,PERT已经被广泛适用于各个行业中。PERT技术是基于网格计划图的技术,包括了网格图的绘制,工期费用优化,资源优化、综合优化和多目标优化。在本论文中主要研究探讨工期费用优化内容。工期费用优化是一个多目标问题,涉及到对工期和费用两个目标同时进行优化,在PERT技术中优化问题中具有典型代表性。　　 通常在解决网络计划调度中的时间费用问题时,其中一类问题是连续性时间费用问题,在这一类问题中,时间和费用之间存在一个连续的关系,这个关系之间可以通过某种数学计算来求得。根据实际情况,该问题存在两种情况,一是在某一段时间区间内,项目的费用可能会随着工期的增加而增加,二是在另一个时间区间内,项目的费用会因为项目的工期的增加而减少。另一类问题是离散型时间费用问题,在这一类问题中,时间和费用之间不存在特定的联系,即是离散的关系,这个关系不可以通过某种数学计算来求得。在这一类问题中,往往同一项工作有多个解决方案,时间1对应费用1,时间2对应费用2,之间并没有特殊的规律可寻。随着项目的复杂化度的提高,在时间费用优化问题上,企业已经不再单纯的要求项目的工期是否最短或者费用是否最少,而往往是两种的结合体,在工期可接受范围里,尽量使费用达到最少。工期费用问题成为一个NP难问题,一旦项目规模大,普通算法很难在短时间内计算出很好的结果,因此要引进先进的智能算法才能求到满意的结果。论文中针对计划评审技术的特殊性,将分布式遗传算法与计划评审技术相结合应用于PERT中,进行了些新的尝试。　　 论文中分布式并行遗传算法采用主从模式的孤岛模型为基础,每个子种群在独立的孤岛里进行演化计算,各自负责各自的遗传操作。在这一模型里,主进程负责管理的子进程,子进程实际上是一个个独立进行遗传操作的岛屿,这些岛屿之间信息交换就由主进程负责。论文主要采取单向环形拓扑结构模型。在该模型中,子种群计算的结果,即该种群中最好的个体将向它的下一个相邻的子种群孤岛发生迁移,将信息传递下一个孤岛上,直到所有的信息交换完毕。其执行过程是从处理器进行单独的遗传算法的计算,一段迁移间隔里将计算得到的最优染色体的个体和适应值传送给主进程,主进程按照迁移拓扑结构将最好个体传给下一个孤岛,并在收集最优个体,确保主进程中的个体是最好的。　　 迁移间隔是指各个子种群之间进行信息交换的时间长度,迁移间隔是影响分布式遗传算法的一个重要因素。如果迁移间隔过大,在孤岛上的子进程进化时间越久,容易出现早熟现象；如果迁移间隔太小,孤岛之间通讯过于平凡,算法执行时间会大大的增加。论文中算法根据解决问题的大小采用不同的时间间隔。问题规模即工作数是小于200,采取迁移间隔为10,即孤岛进行10代的遗传操作就进行个体迁移；当工作数大于200时,则采取的时间间隔为50代。　　 迁移规模是指每次发生迁移的时候迁移的个体数目。在从处理器中的子种群进行遗传算法的时候采取的是保留一个最好的个体,所以每个子种群中有一个最好的个体被保存,很容易进行读取和转换信息。论文中采取的迁移规模是1,即每次迁移时将子种群中保存的最好个体迁移给其他子种群即可。　　 迁移策略是分布式遗传算法的另一重要因素,论文中试图采取不同的迁移策略,各个子种群形成一个单向环形拓扑,在各自的岛屿上遗传算法的操作,经过特定的迁移间隔后,每个子种群取出最优个体提交主进程,而在这些提交的个体集中由主进程负责送回到各个岛屿,传回的个体会被插入岛屿中的子种群以替换该子种群的一个个体。论文采取三种迁移策略。第一种是取代最差个体,第二种是取代随机个体,第三中是采用自适应的迁移策略。　　 实验表明,在项目的工作不是太多的情况,遗传算法可以比较好的解决时间费用优化的问题。但是工程项目扩展到一定规模的时候,遗传算法得出结果的时间就非常长,甚至得不到符合要求的解。而在实际工作中,往往需要尽快的计算绘制出PERT网格图,以便及时合理调控安排项目进程。简单的遗传算法显然不能满足实时性的要求,因此论文中提出分布式的遗传算法,试图解决求解长时间计算的问题；同时,在简单遗传算法得不到好的求解时,分布式遗传算法可以通过设计合理的迁移拓扑、迁移策略、迁移规模、迁移间隔等要点快速准确的得到一个好的解。在研究中通过实验的方式证明了分布式遗传算法在PERT中的有效性。