在实际的工程优化问题中，绝大多数都属于多目标问题。多目标优化问题中的多个目标之间存在着相互制约关系，对一个目标的优化往往以牺牲另一个目标的优化值作为代价。与单目标优化问题不同，多目标问题的优化往往不可能使得各个目标均得到最优值，只可以得到多目标的整体最优值，即Pareto最优解。　　 生产调度优化问题是一个典型的多目标求解问题，其最终目标是使得工程项目的资源需求尽可能均衡、费用尽可能少、工期尽可能短。这几个目标之间相互制衡，资源均衡可能导致工期变长，工期变长会导致费用的改变，费用改变又将影响到各工作的资源需求量和总工期。对生产调度网络计划图的合理优化，可以降低工程项目的实施费用，缩短工期，提高生产效率和工程调控能力。目前国内对网络计划图的调度优化基本都采用了运筹学的网络计划技术及数学规划等方法，当工程的网络图非常复杂或工作数量非常庞大时，这种方法往往需要大量的计算，变得非常复杂，并且要预先设置较多的假设条件，且优化效果很难达到理想的要求。　　 随着智能算法的出现和发展，为生产调度中多目标优化问题的求解提出了新的方法。遗传算法是模拟自然界中生物进化机制发展起来的一种随机化搜索方法。其本质是一种并行、高效、全局的搜索算法，且在优化过程中不需要知道求解问题的太多信息。遗传算法将求解问题编码成一条条染色体，作为初始化种群，再对这个种群中的个体进行多代的交叉变异操作，通过事先构建的适应值函数对交叉变异后的个体进行选择，保留较优的个体进入下一代，从而逐步收敛搜索出最优值。遗传算法实际上是通过交叉变异来实现染色体中基因的重组，从而期望找出问题的最优解。因此，交叉概率和变异概率的选择直接影响到遗传算法的效果和搜索效率。交叉概率设置的过大，产生新个体的速度会越快，但对适应值高的个体破坏性也越大;设置过小，又会导致算法收敛速度过慢，停滞不前。变异概率设置的过大，算法就转变成了纯随机搜索算法;设置的过小又不利于新个体的产生，不具备多样性。针对不同的问题，交叉概率和变异概率的选择往往都不相同，需要通过反复试验来确定最佳参数，操作繁锁且不易找到最佳值。本文在传统遗传算法的基础上进行了改进，采用自适应选择策略，使交叉概率和变异概率随适应度自动改变。适应度越大的个体，其交叉和变异的概率越低，有利于保护该解进入下一代;适应度越小的个体，其交叉和变异概率越高，使其淘汰的可能性增大。且种群中每一代的最优个体其交叉概率和变异概率均不设置为零，防止趋于局部最优解。　　 本文采用自适应的遗传算法对工程项目中的生产调度进行多目标优化，分别进行了资源均衡优化、工期费用优化、单项目的综合优化以及多项目的综合优化。　　 (1)资源均衡优化。资源均衡优化实际是对资源和工期两个目标的优化，又分为两种情况讨论:“工期固定资源均衡”优化和“资源有限工期最短”优化。在“工期固定资源均衡”优化中，通过遗传算法调整网络计划图中各工作的开始时间，让项目中资源需求高峰期内的工作相互错开，降低资源的需求量，做到“削峰填谷”，实现在固定的工期内使用的资源尽可能均衡。在“资源有限工期最短”优化中，用遗传算法对网络图的拓扑排序进行优化选择，同时计算各拓扑排序在满足资源限制条件下的工期，工期最短的个体即为最优解，这条工作序列满足网络图本身的时序关系且满足资源约束。　　 (2)工期费用优化。工程项目的费用由两部分构成，直接费用和间接费用，根据直接费用的提供方式不同，工期费用优化可以分为连续型和离散型的两种优化模式。“连续型”的工期费用优化中，网络计划图中每个工作的持续时间是连续的一段可选范围（有最短持续时间和最长持续时间），不同的时间对应不同的工作费用，通过遗传算法对各工作的持续时间进行选择，得到所有工作的持续时间的最优组合，从而得出最低费用及对应最优工期。“离散型”的工期费用优化中，网络计划图中每个工作都有多种不同的实施方案，不同的方案对应不同的持续时间和费用，用遗传算法对各工作的方案进行组合优化，同样可以得到最低工程费用及对应最优工期。　　 (3)综合优化。综合优化是对资源、费用、工期进行整体的优化，达到资源均衡、费用少、工期短的目标，这也是生产调度中多目标优化的最终目标。资源、费用、工期三个目标之间是存在着相互制约关系的。本文提出了一种双染色体结构的遗传算法优化模型，将三个目标构建入两条染色体中同时进行遗传操作，一条染色体对满足资源约束下的工作拓扑序列进行选择优化，期望得到满足资源约束的最短工期;另一条染色体对工作的实施方案进行选择优化，期望得到最少的直接费用。优化过程中两条染色体互相提供信息且互相影响，第一条染色体的工期和第二条染色体的直接费用，可以得到满足资源约束下的最少费用和对应的最优工期。　　 (4)多项目综合优化。本文在单项目综合优化的基础上进行了多项目综合优化。对于同时实施的多个项目，它们之间除了共享全部资源外，无相互的时序约束关系。优化的最终目标是使得多项目整体资源用量均衡、费用尽可能少、工期尽可能短。同单项目优化方法类似，多项目综合优化仍采用双染色体结构，染色体中基因要标记所属的项目编号，同一项目中的工作顺序仍要满足拓扑排序，不同项目之间的工作可以相互穿插排列，但各项目的工作间仍要满足可提供资源总量的约束。　　 综上所述，本文主要讨论了网络计划调度中资源、费用、工期三者之间的相互关系，并采用自适应遗传算法对这三个目标进行优化。针对上述每一个问题均建立了适合遗传算法的优化模型，并结合具体的实例进行了验证，得到了较好的优化效果。