本文描述了在应用蚁群算法求解资源受限项目调度问题时，蚂蚁如何在项目网络图上巡游并动态生成最优解，以及蚁群信息素的更新方式和多种启发式信息的定义方法，验算了算法在不同的参数组合下对测试案例的求解效果。 在项目执行的过程中存在许多不确定因素，这些不确定因素对项目的执行会造成一定影响。例如某项工作的执行时间延长会导致项目拖期。在本文设计的算法中，蚂蚁根据已有的信息做出相应的局部调整，使原有计划在改变()可能小的情况下保证项目继续执行。实验中，当项目中某项工作执行时间发生变化时，作者分别采用了以下两种应对方法：(1)重新运行蚁群算法求解发生变化后的项目；(2)利用蚁群对原项目求解过程中的学习经验(表现为信息素的浓度)求解发生变化后的项目。两种方法的对比结果表明：采用第(2)种方法对项目计划的调整更加有效。