随着企业级项目管理在我国各行各业的发展与应用,同时开展存在资源限制、资源竞争的多个工程项目是企业面临的机遇和挑战,多项目调度优化问题在企业管理中占据关键地位。针对项目作业具有多种执行模式、作业不可抢占不可拆分、资源具备技能与作业所需技能的匹配关系、多个相斥目标的协同优化情况,目前缺乏对解决此类综合情况的多项目调度研究。后疫情时代,数字化转型已成为企业刚需,借助数字化平台系统的多重赋能,针对多项目调度问题进行精细化管理和智能化建设,可以有效解决数据壁垒问题,提升企业资源利用效率,减少多项目投入总成本。因此,本文提出了一种考虑企业数字化转型情景下的多重约束下的多项目智能调度问题,具有重要的研究价值。首先,本文从企业实际项目调度的角度,总结了多项目调度过程中存在的跨部门信息孤岛、企业内部资源浪费、成本超支、工期延误等特点。深度挖掘经典多项目调度问题及其扩展问题涉及的约束条件,重点阐述了考虑已有约束条件如作业约束条件、资源约束条件、调度约束条件和目标约束条件的情况下,加入资源具备技能与作业所需技能的匹配关系和工期-成本-资源均衡多目标等约束条件,对多项目调度模型产生的影响。其次,基于人工智能大背景,结合企业数字化平台系统和智能调度方法,以期解决具有灵活多变性质的复杂动态调度问题,从认知学的角度寻求有效的多项目调度方案。针对实际多项目调度过程,考虑作业多模式、不可抢占、不可中断,资源多技能、多种类、多数量,多项目并行调度生成方案和多目标协同优化等限制条件。在此基础上,构建了一种多重约束条件下的多项目智能调度通用模型,作为创新点之一,该模型具有较为普适的理论指导意义。最后,为了求解多项目智能调度问题,针对简单遗传算法早熟且易陷入局部最优的缺点,本文提出了一种改进的多种群遗传算法。作为创新点之二,在算法改进过程中,对传统的移民算子进行交叉操作改善子种群的多样性,并引入单纯形算法对新种群进行算法优化计算,以此提高改进算法的全局搜索能力及收敛速度。利用五个标准测试函数对改进的多种群遗传算法和简单遗传算法进行性能对比测试,发现在收敛精度上改进的多种群遗传算法明显优于简单遗传算法,验证了改进算法求解性能和搜寻能力得到了明显的提升。结合实际工程项目数据,简要描述实证背景,将其作为改进算法的输入数据,对所构建的多项目智能调度模型进行求解,并将可行解进行对比。实证结果表明:两种算法最优调度方案均比实际期望成本低、比期望工期更短,与简单遗传算法相比,改进的多种群遗传算法的寻优能力更加高效。优化后的调度方案能有效地减少企业投入,提高资源的利用效率,赋能企业的管理水平与竞争能力。