IT项目的高失败率已经得到企业界和学术界的广泛关注,并进行了大量相关研究,提出了许多解决方案,但随着IT项目应用范围越来越广,规模越来越大,项目的不确定性、知识性和复杂性等特征也越来越显著,成本超支、项目延期和质量失控等问题严重地影响了我国IT产业的迅速发展,同时也导致IT项目产品的可信性越来越差,因此,研究IT项目过程管理对于提高项目成功率,具有重要的现实意义,论文的主要研究工作如下:　　通过文献研究、IT项目专家访谈及现场考察,界定了IT项目绩效评价的内涵;以实证研究的方式,确定了IT项目绩效评价指标体系,包括项目组织特征、项目特征、绩效水平指标体系以及项目知识管理体系,为建立项目绩效评价模型奠定基础。　　根据IT项目绩效评价指标体系,应用人工智能理论,建立基于模糊神经网络的IT项目绩效评价模型(PE-FNN),改进了网络拓扑结构,建立了项目评价指标层、综合影响因素层与项目绩效层三者之间的映射关系;PE-FNN模型能够较为准确地给出IT项目过程绩效水平评价值和产品绩效水平评价值,识别影响项目成功的关键因素,并能够判断项目是否需要过程改进,为制定项目过程改进策略提供依据;改进的粒子群学习算法,提高了网络的运算效率和评价结果的准确性。　　对于绩效评价水平偏低的IT项目,过程改进需要借鉴过去已经完成项目的经验,因此,建立了基于遗传算法的IT项目过程改进相似案例搜索模型,实现案例特征权重的优化计算,解决了人为给定项目特征权值的主观倾向性问题,使IT项目案例相似度计算更加精确,从而为制定过程改进策略提供参考价值较高的相似案例。　　在分析项目绩效与过程改进关系基础上,将模型驱动和度量驱动模式相结合,提出了IT项目绩效驱动的过程改进模式;以项目绩效水平评价为核心,建立了项目绩效驱动的过程改进逻辑模型和P-GQM过程度量模型,并对度量模型的算法进行了改进;在应用相似案例的基础上,构建的项目各阶段动态的绩效评价及过程改进策略,更符合项目开发实际情况,及时识别过程中潜在的风险,为项目组织过程改进和风险防范提供可靠的决策依据。　　由于项目绩效评价和过程改进既需要大量的知识支持,同时又生成了大量的过程改进知识,为使这些知识得到有效管理和充分利用,建立了IT项目知识管理模型与支持系统,实现了知识的充分共享,提高了知识的使用效率。　　IT项目绩效评价及过程改进模型为项目组织提供准确及时的项目开发过程状态信息,辅助项目管理人员合理配置有限的项目资源,及时纠正项目开发过程中出现的偏差,提高项目组织的开发效率和项目的成功率,增加用户满意度和企业的信誉度,从而提高IT企业的经济效益。