مساله زمانبندی پروژه با محدودیت منابع (rcpsp) شامل فعالیت هایی است که می بایست بر اساس قیود پیشنیازی، محدودیت منابع و یک تابع هدف معین، زمانبندی شوند. مدلهای گوناگونی از این مساله با توجه به کاربردهای مشخص و توابع هدف مختلف وجود دارد. یکی از زیر مسائلrcpsp، مساله زمانبندی پروژه با محدودیت منابع چند حالته(mrcpsp) است که در آن هر فعالیت علاوه بر محدودیت های مذکور دارای حالات های اجرایی مختلفی نیز می باشد و اثبات شده که np-کامل است. در این پژوهش به معرفی یک الگوریتم بهینه سازی جدید بر پایه تلفیق الگوریتم های توده ذرات و عملگرهای الگوریتم ژنتیک بهمراه استفاده از ویژگی های کلیدی لیست تابو و جستجوی پراکنده برای حلmrcpsp پرداخته شده است. بطور کلی تابع هدف در این مساله کمینه کردن زمان اتمام آخرین فعالیت پروژه می باشد. الگوریتم با داده های نمونه کتابخانه های استاندارد psplib و mmlib مورد آزمایش قرار گرفته و نتایج بدست آمده از عملکرد آن حاکی از بهبود قابل توجه در مقایسه با کارهای گذشته در این زمینه می باشد، بطوریکه جوابهای الگوریتم یا دقیقا برابر با مقادیر بهینه بوده و یا بصورت میانگین حداکثر 0.27 درصد از مقدارهای بهینه در دسته های مختلف فاصله دارد.