软件多项目调度是一类复杂的组合优化问题,尚没有一种求解此类实际应用问题收敛效果特别理想的算法,并且求解该类问题的数学模型通常与现实需求存在一定的差距。为了更好地解决软件多项目调度问题中的人力资源冲突问题,如何设计出一种能够最小化项目持续时间的进化算法,成为进化计算领域的重点研究方向。基于以上背景,本文的研究内容如下:1)针对标准PSO算法易陷入局部收敛、优化精度低等缺点,提出了基于莱维飞行的改进粒子群算法,根据粒子当前状态自适应地调整惯性权重大小,随着迭代次数的增加,学习因子非线性地单调递减,并设计了新型的速度更新策略,以实现全局探索和局部开发之间的合理平衡,当粒子聚集到一定的程度时以一定的概率对粒子位置采取变异更新策略,并将所提出的基于莱维飞行的改进粒子群算法与几种已有的改进粒子群算法进行实验结果对比,实验结果表明所提基于莱维飞行的改进粒子群算法在寻优结果和收敛速度上明显优于其他改进算法。2)针对传统优化算法随着维度的增加,算法的性能急剧下降的缺点,提出一种改进的协同进化粒子群算法。在协同进化框架下,提出新型的子种群贡献度公式,基于贡献度为子种群合理配置计算资源,以改进的粒子群算法作为子种群优化器,利用先进的子群体间合作方式,共同组成改进的协同进化粒子群算法。并将所提出的改进机制与已有的协同进化机制进行实验比较,实验结果表明所提新型的子群体间资源分配方式比现有的协同进化框架下的分配方式具有更好的搜索优势。3)针对软件多项目调度的实际应用问题,本文建立了满足现实需求和约束条件的调度数学模型,以项目工期最小化为优化目标,利用所提出的改进协同进化粒子群算法对该模型进行了仿真求解,并与已有的协同进化算法进行了实验对比,实验结果表明所提改进协同进化粒子群算法能够以更快的收敛速度更加有效地求解软件多项目调度问题。