软件项目管理问题主要包括资源分配和工作包调度。 本文提出了一种基于进化算法在GPU上并行实现的基于搜索的软件项目管理方法。 我们重新设计了进化算法,以满足并行编程的目的。 我们的方法旨在使遗传算子并行化,包括:进化过程中的交叉,突变和评估,以实现更快的执行。 为了评估我们的方法,我们使用来自三个实际软件项目的数据进行了“概念验证”实证研究。 常规单目标进化算法的顺序版本和并行版本都可以实现。 顺序版本基于使用C ++的通用编程方法,而并行版本则基于使用CUDA的GPGPU编程方法。 结果表明,即使是相对便宜的图形卡(GeForce GTX 970)也可以显着加快优化过程。 我们认为,部署基于GPU的并行进化算法可能适合许多应用程序,以解决其他软件项目管理问题,因为软件项目通常具有复杂的相互关联的工作包和资源,并且通常以大规模问题为特征,因此应加快优化过程通过并行性。