در این مقاله، یک مدل بهینه سازی جهت انتخاب بهترین سبد پروژه از بین پروژههای موجود، بهترین سطح
استخدام منابع، سپس زمانبندی پروژههای انتخاب شده جهت بیشینه کردن ارزش خالص فعلی با رعایت
محدودیتها ارائه شده است. چون مدل توسعه یافته در زمره مسایل سخت از نظر محاسباتی قرار دارد، لذا برای
حل این مساله یک الگوریتم فراابتکاری بر مبنای الگوریتم ژنتیک پیشنهاد شده است. در الگوریتم حل
پیشنهادی علاوه بر کاربرد عملگرهای معمول ژنتیک مانند تقاطع و جهش از عملگرهایی هوشمند جهت
جستجوی محلی در حوزه منابع و جابجایی فعالیتهای با جریان مالی منفی استفاده شده است. پارامترهای
کلیدی الگوریتم در راستای تسریع همگرایی آن با استفاده از روش تاگوچی تنظیم شده است. سپس تعداد 90
مساله آزمایشی، شامل 30 مساله در ابعاد کوچک، 30 مساله در ابعاد متوسط و 30 مساله در ابعاد بزرگ با
استفاده از روش پیشنهادی حل شده وکارایی آن گزارش شده است. همچنین در مسائل سایز کوچک
جوابهای حاصل از الگوریتم ژنتیک با جوابهای بهینه موضعی مدل ریاضی بدست آمده با نرمافزار لینگو
مقایسه شده، که میانگین جوابهای حاصل از الگوریتم ژنتیک بهتر از جوابهای بهینه موضعی حاصل از لینگو
بوده است. در مسائل سایز متوسط و بزرگ که هیچ جوابی با استفاده از لینگو در زمان محدود شده بدست
نیامده بود، نتایج نشان میدهد که جوابهای حاصل از الگوریتن پیشنهادی دارای پایداری مناسب میباشند.
