传统的资源受限项目调度问题主要是以工期最短或费用最小作为优化目标函数,对净现值最大化的财务类目标函数关注较少。伴随着较高的利率和昂贵的融资成本,通过合理地项目调度实现承包商或业主净现值最大化具有重要的现实意义。然而随着市场环境的快速变化,项目面临的不确定性因素日益增多,在确定性环境下构建的调度计划无法应对项目复杂多变的执行环境。鲁棒性项目调度作为国内外项目管理领域研究的热点,它是解决不确定性环境下项目调度问题的有效方法,但该研究很少涉及财务类目标函数。因此本文将鲁棒性项目调度引入到项目净现值问题的研究中,综合应用鲁棒性项目调度相关理论、风险管理相关理论以及动态规划相关理论,采用鲁棒性资源分配、时间缓冲管理、Monte Carlo模拟仿真、基于优先准则的启发式算法以及智能算法等方法,针对活动工期不确定性环境下的项目净现值问题展开了深入地研究,主要研究工作如下:首先,在确定性环境下构建了一个满足工序约束、资源约束、截止工期约束以及收益率约束的Max-NPV模型。针对该模型设计了模拟退火算法进行求解。为验证理想状态下构建的调度计划的实际执行情况,文中设计了 Monte Carlo模拟仿真实验。仿真结果表明:在项目执行过程中由于工期的不确定性,与理想调度计划相比,项目净现值受损,并且工期不确定性程度越大,项目净现值下降幅度越明显。以上结论为下文在不确定性环境下展开项目净现值问题研究提供了数据依据和理论支撑。然后,针对活动拖期风险在项目网络和资源流网络上传递带来的“滚雪球”效应,本文从鲁棒性资源分配的角度,构建了项目净现值期望惩罚成本最小化的资源流网络优化模型。针对该模型设计了 MEPC资源分配算法,通过采用净现值期望惩罚成本最小的资源分配方案实现资源在各活动节点间的有效流动,生成合理、稳定的资源流网络,提升调度计划的鲁棒性。最后通过算例分析和大规模仿真对比实验验证了 MEPC算法的有效性和实用性。其次,本文运用风险管理理论降低活动工期的不确定性给项目净现值带来的风险损失。首先采用动态规划理论识别出活动的拖期风险概率,然后量化计算活动拖期带来的项目净现值风险损失。在风险应对阶段,本文采用时间缓冲管理策略设计了 EPC时间缓冲算法,在净现值风险损失较大的活动前插入时间缓冲,保证活动现金流的支付尽可能按原计划执行。最后通过仿真实验证明了 EPC算法构建的鲁棒性调度计划相对于无时间缓冲保护的非鲁棒性调度计划的优越性和稳定性,尤其当活动工期不确定性程度较高时,缓冲保护效果更明显。接着,本文从净现值的角度提出了调度计划“质”鲁棒性和“解”鲁棒性的衡量指标,在此基础上构建了考虑双鲁棒性的项目净现值优化模型来权衡调度计划的“质”鲁棒性和“解”鲁棒性。基于模拟退火算法和禁忌搜索算法的优缺点,设计了两阶段智能优化算法解决上述模型。实验结果表明本文提出的两阶段智能优化算法的绩效优于其它三种单阶段算法,并且相对于单鲁棒性调度计划,双鲁棒性调度计划在能获得满意净现值的同时又能保证现金流支付计划的稳健。最后,将鲁棒性资源分配和时间缓冲管理两种策略进行集成优化,通过设计三阶段集成优化算法来构建鲁棒性更强的调度计划。然后构建了集成优化机制,从鲁棒性和非鲁棒性两个角度,针对初始调度计划、资源分配算法、时间缓冲算法以及反应式调度中优先准则这四种因素对应的不同选择组合了 32种集成优化算法。最后通过大规模仿真对比实验探讨了以上四种因素对调度计划鲁棒性产生的影响,并验证了本文提出的三阶段集成优化算法在鲁棒性绩效指标方面的优越性。