随着我国经济发展的进一步加深，新的经济常态的逐步形成，资源的合理利用和效率的提高都将推进经济的进一步发展和经济结构的转型。软件行业作为知识密集、资源密集的产业，项目管理与一般行业相比更加困难，资源的合理配置也更加迫切。论文利用蚁群算法对软件行业中的工期固定-资源均衡问题进行求解，对于提高软件项目的资源利用率、控制项目费用、提高项目质量具有重要的现实意义。　　论文是基于工期固定-资源均衡问题，并在国内外研究现状和理论分析的基础上展开的。首先，介绍了项目管理、网络计划和资源均衡的理论基础。其次，构建了软件行业资源均衡的数学模型。然后，介绍了蚁群算法的基本理论，并基于基本蚁群算法的正反馈机制，提出可以解决工期固定-资源均衡问题的蚁群算法：求解非关键工序的开始工作时间范围；将所有蚂蚁随机分布在以上可行域中，得到蚂蚁的初始位置，并计算此时各人工蚂蚁所对应的信息素值，记录得到其中的最优信息素值；蚂蚁根据转移概率的大小决定进行局部搜索或全局搜索，直至迭代次数达到规定最大循环次数则跳出循环，获得全局最优解。此外，对工期固定-资源均衡模型进行了仿真研究，并将遗传算法和蚁群算法的进化速度进一步对比。　　研究发现，经过蚁群算法求解计算，单资源的目标函数值由10.1225降低到4.3261，多资源的目标函数值由2.5546降低到1.7613，资源消耗量趋向于均衡。利用遗传算法求解论文中的两个算例和蚁群算法的进化速度对比，可以得到：蚁群算法单资源均衡算例需要300个种群、1000次迭代、耗时90.473秒，利用遗传算法求解此算例，需要300个种群、1500次迭代、耗时146.470秒；利用蚁群算法求解，需要25个种群、迭代100次、耗时1.125秒，利用遗传算法求解多资源均衡算例，需要25个种群、迭代100次、耗时3.860秒。对比发现蚁群算法的进化速度远高于遗传算法，论文提出的蚁群算法不仅可以有效求解工期固定-资源均衡问题且相比遗传算法大大缩短了求解时间。此外，为保证资源均衡，对软件行业的企业提出了一些保证资源均衡的对策建议，包括制定项目进度计划、合理配置资源和动态核算资源。　　论文的研究得到了一些对软件行业有一定意义的信息，期望能推动软件行业资源均衡，实现更大的经济效益，并期望对后续的进一步研究有所帮助。