随着企业运营趋于项目化管理，项目组中员工的匹配逐渐得到广泛的关注。员工和项目岗位的合理匹配，不仅可以使员工保持良好的工作状态，而且可以提高项目组的效率和效益。近年来针对项目和员工的匹配问题得到了国内外学者们广泛的研究，取得了一定的成就，但仍存在一些不足，如：　　①学者们较少地考虑同组或同群成员间的同事偏好关系，而项目组成员间的偏好关系会影响到成员之间的协作配合程度，直接关系到该项目组的工作效率和质量；　　②由于现实问题的复杂性，匹配主体有时难以给出确切的偏好序，会存在不完全、不确定和弱偏好的信息形式，如何合理的处理不同类型的匹配信息还有待研究；　　③随着匹配问题的规模逐渐增大，现有的求解方法难以快速地求出令匹配主体满意的匹配结果。　　针对以上问题，本文利用证据推理和蚁群算法对项目-员工双边匹配问题进行了研究，不仅考虑了匹配过程中员工之间的同事偏好，还对不完全不确定以及弱偏好序的匹配信息进行了相关的研究，并给出了相应的求解方法。本文具体开展了以下三个方面的研究工作：　　（1）针对完全偏好序下的项目-员工匹配决策问题，给出一种考虑员工间具有同事偏好的匹配决策方法。首先根据项目和员工给出的弱偏好序信息，计算员工对项目、项目对员工、员工对其他员工的满意度。然后基于满意度，构建和求解考虑同事偏好的多目标匹配决策模型。　　（2）针对不完全偏好序下的项目-员工匹配决策问题，给出一种考虑员工间具有同事偏好的匹配决策方法。首先对项目和员工给出的不完全、不确定偏好序信息进行规范化处理，转化为等级置信度形式。其次以规范化的匹配信息作为证据，通过证据推理对双方匹配信息进行融合，获得融合满意度。最后构建并求解基于融合满意度的考虑同事偏好的双边匹配决策模型。　　（3）针对考虑同事偏好的项目-员工匹配模型的求解问题，本文针对所建立的匹配模型的特点，通过蚁群算法，给出考虑同事偏好的项目-员工匹配决策模型的求解方法。首先将项目和员工均视为TSP（旅行商问题）图中的点（即TSP问题中的城市），其次构建点间距离公式和距离更新公式，以及蚁群信息素更新公式等。最后经过多次迭代即可快速得到最优匹配结果。