日新月异的信息技术和不断深入的经济全球化进程促进了各行各业的蓬勃发展，这给许多面向项目运营的业务模式带来了前所未有的机遇，同时也导致项目变得规模庞大而复杂，特别对于规模以上项目，单个企业很难胜任，需要挑选若干合适的伙伴共同完成。并且，项目所处环境与运行过程中存在政策、天气、金融、人的行为与心理等在内的不确定性因素，导致项目面临的不确定性和风险大大增加。因此，作为项目管理中的重要环节，不确定环境下的项目伙伴选择显得尤为关键，伙伴选择的成功与否会直接影响项目的执行效果。
　　项目客户是项目的最终拥有者，任何项目的实施都是为项目客户服务的。面对激烈的市场竞争，如何使项目的完工风险小、成本低、客户满意度达到最大，是企业追求的目标，关系着企业的可持续发展。实际问题中，构成项目的各子项目完工时间常常带有不确定性，子项目间错综复杂的衔接关系导致项目整体完工时间偏差很大，从而带来完工风险，使客户满意度降低。本文以项目管理中的伙伴选择问题为背景，研究了子项目完工时间具有不确定性情况下，如何保障项目整体完工时间的项目伙伴选择问题。研究内容如下:
　　(1)研究了基于VaR风险描述的项目伙伴选择问题。项目执行过程中受到不确定因素的影响，导致各子项目完工时间是不确定的，因此带来拖期风险。本文将在险值(Value at Risk，VaR)引入到伙伴选择问题中度量拖期风险，用具体的损失值描述风险大小，简单明了且不依赖特定的概率分布假设。以最小化完工成本为优化目标，以拖期风险和子项目时序为约束，建立了非线性规划模型，并利用随机规划理论将其转换为确定性模型。根据问题特点，设计了基于时序关系的混合蚁群-遗传算法求解，并和枚举算法、基本蚁群算法和最大最小蚂蚁系统进行对比，测试了三种不同规模的算例，对求解结果进行了分析，验证了混合蚁群-遗传算法的有效性，以及对求解不同规模算例均有很好的适应性。最后，通过算例分析将确定模型与两种不确定模型进行对比，结果表明所提出的基于VaR风险描述的项目伙伴选择模型是有效的。
　　(2)研究了考虑客户时间偏好的项目伙伴选择问题。不确定环境下人的行为特性直接对决策过程产生影响，为了提高客户对项目的满意度，从客户对总完工时间的偏好行为角度出发，对考虑客户时间偏好的项目伙伴选择问题展开了研究。基于前景理论，建立了以项目完工时间前景值最大为优化目标，以项目预期成本和子项目时序为约束的非线性规划模型。根据问题特点，设计了混合遗传-模拟退火算法求解，并与遗传算法进行对比。仿真实验验证了所设计算法是有效的。最后，通过算例参数分析，将所建立的模型与期望值模型作对比，结果表明考虑客户时间偏好的项目伙伴选择模型有效地刻画了客户心理行为。
　　(3)研究了考虑客户时间和成本偏好的项目伙伴选择问题。与具体完工时间和完工成本相比，一些客户可能更看重其与预期时间和成本之间的差距，希望总完工时间和成本达到预期的置信水平越大越好。基于前景理论，描述了客户对完工时间和完工成本的满足所要求置信水平的心理偏好，以最大化完工时间和成本的置信水平前景值为优化目标，建立了问题数学模型。提出了解决该问题的混合蚁群-模拟退火算法对其进行求解。通过与基本蚁群算法对比，验证了所设计算法是有效的。最后将考虑客户时间与成本偏好的模型与风险中性的模型进行对比分析。结果表明，考虑客户时间与成本偏好的模型能更好地描述客户的心理行为并适合不同风险态度的客户。
　　(4)研究了考虑客户时间偏好与心理概率的项目伙伴选择问题。不确定环境下的项目伙伴选择问题中，客户的有限理性行为不仅体现在其对不确定量的认知偏差，小概率放大、大概率缩小等概率扭曲现象也十分明显，影响项目决策。因此，为了在不确定环境下更准确描述和度量客户满意度，提高企业核心竞争力，基于累积前景理论，建立了以最大化完工时间前景值为优化目标，以项目预期成本和子项目时序为约束的非线性规划模型。根据问题特点，设计了基于关键路径信息引导和最大最小蚂蚁系统的改进蚁群算法对模型进行求解。并将求得结果与基本蚁群算法进行对比，从计算结果的质量和运行时间两方面验证了所提出算法的有效性。进而，将所建立模型与期望值模型、前景模型进行对比分析，结果表明累积前景模型可以更准确地描述实际情形下客户的心理行为特点。