در این پایان نامه، برای اولین بار مساله زمانبندی پروژه در شرایطی که منابع محدود هستند، فعالیتها امکان اجرا در چندین مد را دارند، تاخیرات زمانی بیشینه و کمینه میان زمان های شروع فعالیتها موجود هستند و هدف کمینه کردن جریمه های دیرکرد/ زودکرد اتمام فعالیتها است مورد بررسی قرار گرفته است. مسائل زمانبندی از جمله مسائل بهینه سازی ترکیبی هستند و با افزایش ابعاد مساله امکان یافتن جواب بهینه برای آنها در یک زمان منطقی و قابل قبول وجود ندارد. مساله زمانبندی پروژه مطرح شده در این پایان نامه نیز یک مساله np-hard می باشد . پس از بررسی تاریخچه و روند استفاده از روشهای فراابتکاری در حل مسائل زمانبندی در سالهای گذشته، الگوریتم ژنتیک به عنوان الگوریتم مورد استفاده در این تحقیق برگزیده شد. شیوه پیداکردن جواب برای مساله مورد نظر به اینصورت است که با استفاده از یک الگوریتم ژنتیک مساله اصلی را به حالتی که در آن هر فعالیت تنها یک حالت اجرایی دارد ساده کرده و سپس در فاز دوم حل، با استفاده از یک الگوریتم ژنتیک مستقل دیگر، بهترین جواب مساله حاصله از فاز اول الگوریتم را می یابیم. عناصر اصلی و عملگرهای هر دو الگوریتم مستقل از هم هستند و با حل مثالی در فصل سوم به تفصیل شرح داده شده اند. در انتها نتایج عددی حاصل از الگوریتمهای پیشنهادی که بوسیله زبان برنامه نویسی matlab نوشته شده است با نتایج موجود در کتابخانه مسائل زمانبندی مقایسه شده اند و مشاهده می شود که الگوریتم ارائه شده در این پایان نامه در چندین مورد بهترین جوابهای موجود را بهبود داده است.