本文研究了随机活动工期下如何对项目进度进行计划与控制。传统的项目进度计划与控制方法中假定项目活动时间为一确定的值,然而现实中项目的实施总是会受到各种不确定因素的影响,使得项目不能够按照确定时间制定的进度计划实施,因此将项目活动时间视为一随机变量更加符合实际情况。具体来说本论文研究了以下三个问题:如何调度随机活动工期资源受限项目使得项目的期望工期最小;如何调度随机活动工期资源受限项目使得项目的期望净现值最大;如何对随机活动工期项目进度进行控制,使得项目能够按时完成。研究了17个优先规则算法在最小化随机活动工期资源受限项目期望工期问题上的效率,给出了高效的优先规则,分析了正向逆向迭代算法在该问题上的有效性及项目特征对优先规则效率的影响。研究发现:高效的优先规则算法虽然简单,但是优化效果很好。当项目活动时间方差为中等方差时,最好的优先规则算法和现有文献中最好的元启发式算法表现得一样好,当项目活动时间方差为高方差时,最好的优先规则算法比现有文献中最好的元启发式算法表现还要好。正向逆向迭代算法在确定活动工期资源受限的项目调度问题中能够普遍提高优先规则的效率,然而在随机活动工期资源受限的项目调度问题中并非对任一优先规则都有效,其有效性依赖于活动时间的方差和具体的优先规则。项目的特征参数网络复杂度和资源系数并不影响最优优先规则的选择,但资源强度会影响最优优先规则的选择,在不同的资源强度下最优优先规则会发生变化。设计了一种最大化随机活动工期资源受限项目期望净现值的动态规划算法。以往对最大化随机活动工期项目期望净现值的研究并未考虑资源的约束,本文考虑了资源的约束对项目调度的影响,设计了一种动态规划算法求解资源受限项目最大期望净现值问题。在算法设计过程中本文优化了状态的生成过程,使得算法生成的状态既能满足活动之间的逻辑关系和资源的约束,又大大减小了生成重复状态的数量。同时本文发现对满足一定关系的多个状态其最优解和最优目标值存在着一定的联系,只需要对其中一个状态进行求解就可以得到其他状态的解。在大规模案例上的实验结果验证了算法的有效性,同时实验发现:项目的次序强度对算法所需时间有着较大的影响,随着项目次序强度的减小,算法生成的状态数量会增加,从而计算时间也会增加。给出了一种随机活动工期项目进度控制方法,该方法将EVM/ES进度衡量指标作为统计量结合统计过程控制图对项目进度进行控制。使用统计过程控制图对项目进度进行控制的关键为设置控制图的边界。本文首先定义了项目进度控制边界的效率、可信度、效能和误报率,接着分析了项目进度控制边界的变化对上述四个指标的影响,给出了进度控制边界的效率—可信度因子函数和误报率—效能率因子函数,基于上述两个函数本文设计了一种边界优化算法。大规模案例上的实验结果显示本文所提出进度控制方法与现有文献中的方法相比能够大幅提高统计过程控制图的分辨率,并且该方法对影响参数不敏感,比较稳定。