近年来,我国从高速发展转向高质量发展,国家越来越重视研发型项目的投入与发展,研发型企业的发展和用户对产品迭代速度的需求促使研发项目数量大幅提升,多个项目并行开发现已成为研发型企业的新特征。研发人员作为研发项目的主要资源,常常因数量有限需要同时参与企业内多个项目的研发工作,在项目任务间转移和切换。从实际的角度出发,在项目之间转移的研发人员需要花费一定时间对新的项目背景和进度进行熟悉与准备,本文将此称为转移时间。与传统的机械、设备等在项目间的物理转移不同,人员在研发项目之间的转移与地理位置无关,因此将其称为非物理转移。人员转移可能会导致任务的延后开展,影响项目的工期与调度方案,因此需要引起企业中管理者的重视。同时,研发人员技术水平及项目经验存在差异,称为人员的异质性。人员异质性会影响任务持续时间与转移时间。具体体现在两个方面,一是具有同一技能的人员技能掌握程度不同,因此工作效率不同,完成相同工作所需的时间也不同,所以任务的持续时间受到人员异质性影响,与分配至任务的人员技能掌握程度有关。二是人员对相关项目的经验积累存在差异,所以熟悉同一项目或任务的时间不同,即转移时间不同。研发人员异质性特性的影响使得多研发项目人员配置问题变得更加复杂。因此,有关多研发项目间可移动人力资源优化配置问题研究既具有理论意义又具有实践价值。在实际项目管理过程中,为有效缩短研发工期并提升企业经济效益,企业更加偏向于通过智能的调度优化方法得到较优的项目进度安排和人力资源配置方案。在此背景下,本文综合考虑人员的非物理转移以及异质性对项目调度的影响,建立了多研发项目可移动人力资源优化配置模型,并设计其求解算法,扩充相应领域的研究。首先,针对多研发项目可移动人力资源优化配置问题,进行详细的问题描述,建立了混合整数规划模型,并运用CPLEX软件以仿真数据进行验证,证明模型可行性。其次,根据模型特点提出了考虑人员转移时间的并行进度计划生成方法（Parallel Schedule Generation Scheme-Human Transfer Time,PSGS-HMTT）。在PSGS-HMTT的基础上通过组合3种任务优先规则和4种转移优先规则设计了12种启发式算法作为候选方法,通过不同规模的仿真算例选择出表现最好的启发式规则组合min LFT+max Skill。在PSGS-HMTT的基础上通过组合2种初始化方式和2种编码方式设计了4种基于遗传算法的元启发式方法作为候选方法,通过不同规模的仿真算例验证4种元启发式方法的求解效果,选择出表现最好的元启发式算法Heuristic Result Initialize Genetic Algorithm-Transfer Rule List（HRIGA-TRL）,其效果较上一步中最好的启发式算法有所提升。设计了两种自适应变异改进因子以提升元启发式算法的性能,将改进因子应用在HRIGA-TRL形成Heuristic Result Initialize Improved Genetic Algorithm-Transfer Rule List（HRIIMGA-TRL）,进行仿真试验,验证改进后元启发式算法的效果,其效果较改进前的算法再一步提升。仿真实验最终结果表明,相比于其他启发式及元启发式算法,HRIIMGA-TRL在各规模仿真算例中都显著缩短了多项目总工期,可在实际生产工作中应用推广。最后,以NX软件服务公司中3个并行的研发项目为例,输入调研所获数据应用启发式以及元启发式算法进行求解,验证HRIIMGA-TRL在求解真实案例上相比其他算法具有最好的效果,获得最短的研发周期,并根据算法输出结果生成该案例的项目调度方案和人力资源配置方案。