现代制造正从单品种大批量的重复性制造向多品种小批量的适应性制造发展,这种发展趋势为制造业项目管理提供了应用基础、应用市场和发展潜力。项目管理的核心是优化项目调度、均衡资源配置,从而在项目执行过程中能够更精准地控制进度,以达到缩短工期、节约成本、提高质量的目的。资源受限项目调度是项目管理领域内一类经典的调度问题,需要在满足活动逻辑约束和资源约束的情况下生成调度方案,以达到最小化总工期的目的。以该问题为研究对象,分析多种算法优劣性,寻求综合性能更优的调度方法,并结合实际项目案例验证其有效性。比较和分析项目调度问题求解模型和算法。对于资源受限项目调度问题,采用较优的三点时间估计法计算活动工期;设置项目的约束条件,包含活动紧前约束和可更新资源约束;确定目标函数为最小化总工期。研究经典遗传算法和布谷鸟算法的理论模型及应用,并指出两种算法的优缺点。重新设计两种算法的编码和解码操作。针对遗传算法易早熟和陷入局部最优解的缺点提出改进算法,在选择操作中采用精英保留和轮盘赌相结合的方案;在交叉操作中采用双点交叉策略;在变异操作中采用中心对换变异策略;在变异操作后加入局部迭代算子。针对布谷鸟算法后期收敛速度慢和收敛精度不高的缺点提出自适应步长影响因子策略,并重新定义莱维飞行变化公式。结合PSPLIB项目库,经多次试验确定改进遗传算法在迭代数量为1000时,最优参数组合为:种群规模N=25;迭代次数I=40;交叉概率Pc=0.8;变异概率Pm=0.25。自适应布谷鸟算法在迭代数量为1000时的最优参数组合为:种群规模N=15;迭代次数I=67;步长因子上界amax=0.9;步长因子下界amin=0.01;发现概率Pa=0.3。分别在最优参数下输出调度方案并与多种主流算法相比较,实验结果验证了对于复杂度较高且迭代数较多的项目调度问题,自适应布谷鸟算法拥有更稳定的收敛曲线和更高的运算精度。引入跨国公司压缩机装配项目实例,采用更优的自适应布谷鸟算法对其进行优化调度,并输出迭代曲线图、进度计划表、资源利用率图和资源配置甘特图,该调度方案下工期比项目部原计划缩短10.52%。重点分析资源因素对工期的影响,比较在有无资源约束条件下资源需求量和工期的变化。在无资源约束下工期缩短32%,但资源需求量提高120%。利用正交试验对资源水平进一步优化,在该水平下工期缩短21%,而资源需求量仅提高40%。最后通过方差分析找到对工期影响显著的资源因素。实验结果验证了自适应布谷鸟算法在实际生产调度项目中的可行性、实用性和高效性。面对复杂度较高且迭代数较多的制造企业项目调度问题,在算法性能上,自适应布谷鸟算法拥有更稳定的收敛曲线和更高的运算精度;在适用性上,自适应布谷鸟算法能够输出资源均衡且工期更短的调度方案。