有效的人力资源管理是提高企业核心竞争力的重要途径。人力资源优化调度问题是人力资源管理中一类重要问题。面对日渐增高的人力资源成本,企业管理者需要谨慎派遣员工高质量、高效率、及时地完成规划期内任务,并使得预期收益最大化或作业成本最小化。理论上,人力资源优化调度问题多属NP-hard问题。其涵盖范畴较广、模型丰富,已经成为经典的组合优化问题,如指派问题、排班问题、维修员调度问题等。因此,研究人力资源优化调度问题即有现实需求又有很强的理论价值。本文在分析和综述相关领域研究成果的基础上,针对几类人力资源优化调度问题开展研究,主要研究内容和成果概括如下:（1）研究了成长型多技能员工调度问题（Multiskilled Workforce Scheduling Problem considering Learning Effect and Project Quality,简称 MSWSP-LE&PQ）。针对该类问题,建立了非线性混合整数规划模型,将模型中工作效率和质量学习曲线进行了分段线性化处理,进而设计了有效的分段线性化方法。基于人力资源学习特性,提出了有效的约束不等式,有效提升了求解效率。基于国内某IT企业实际背景,设计了 27组算例对各模型进行了实验验证。计算实验结果表明了分段线性模型的正确性和高效性。（2）基于多程模式和实际中差旅成本的考虑,综合传统赏金旅行商问题及赏金维修员问题的特点,提出了考虑差旅成本的赏金维修员问题（Traveling Repairman Problem with Profits considering Travel Cost and Multiple Trips,简称 TRPP-TC&MT）。针对TRPP-TC&MT,建立了网络流模型,设计了标签算法。在标签算法中,对于非完整路径,提出了完整路径目标值上界,提升了算法效率。基于国内某IT企业的服务中心数据,设计了 10组算例进行实验验证。通过与Cplex求解结果对比,验证了标签算法的高效性。（3）在TRPP-TC&MT基础上,进一步研究了带时间窗的多程维修员调度问题（Multi-Trip Multi-Repairman Problem with Time Windows,简称 MTMRTW）。建立了三下标网络流模型。基于列生成（Column Generation,简称CG）思想,将模型重构为一类受限主问题模型和一类定价子问题模型。对于定价子问题,设计了精确路径生成和近似路径生成算法,用于针对每次受限主问题求解出的对偶价格生成有效路径方案。引入云分枝策略,将CG算法嵌入与分枝定界框架中构成分枝定价（Branch-and-Price,简称B&P）算法。B&P算法可以将CG算法求出的非整数解通过分枝迭代转化为整数最优解。设计了 6组不同规模的实验算例,验证了B&P算法的有效性。（4）考虑到B&P算法的局限性,针对MTMRTW问题,设计了配对列生成启发式算法（Matching Column Generation Heuristic,简称 MCG-H）。在 MCG-H 中,对路径生成算法提出了目标值下界,从而加速了对于大规模问题的求解效率;对每条子问题的最优路径,生成了最优配对路径,提高了算法的取整性能。在前6组算例基础上,增添了 2组更大规模的算例。通过与Cplex和B&P算法对比,验证了MCG-H算法的有效性和稳定性。本文的研究成果,不仅拓展了人力资源优化调度问题的研究领域,而且对于企业管理者也有一定的指导借鉴意义。