本书以多项目关键链资源为研究对象，借鉴敏捷管理原理中的GBOM思想，以响应变化的思想取代抵制变化的观念；以多项目关键链资源族GBOR的运作逻辑替代传统项目资源配置的方式，同时，采用人工智能算法、系统建模、学习效应等多学科理论与方法，为数据驱动下多项目关键链资源的有效配置提供了新的视角和新的方法。

第1章 绪论
1.1 研究背景与研究意义
1.2 文献综述
1.3 研究思路与研究内容
1.4 本章小结
第2章 多项目管理及统计学习理论
2.1 多项目管理内涵、理论与方法
2.2 项目关键链及资源理论
2.3 统计学习理论与方法
2.4 本章小结
第3章 数据驱动下多项目关键链资源GBOR测定
3.1 项目族及其多项目GWBS模型构建
3.2 多项目关键链资源GBOR研究
3.3 基于不确定性粒计算的多项目关键链资源GBOR研究
3.4 多项目关键链资源GBOR测定研究
3.5 本章小结
第4章 数据驱动下多项目关键链资源熵及其识别
4.1 多项目关键链资源参数及缓冲设计
4.2 多项目关键链资源熵测定
4.3 基于高斯分布的云模型构建
4.4 基于云模型的多项目关键链识别及其分析研究
4.5 本章小结
第5章 数据驱动下多项目资源配置模型及其应用研究
5.1 多项目关键链资源配置问题及其特征参数
5.2 基于云模型的粒计算分类向量机模型研究
5.3 基于多属性的多项目关键链资源配置模型构建
5.4 数据驱动下基于学习效应的多项目关键链资源配置模型构建
5.5 数据驱动下多项目资源优化配置理论与方法研究
5.6 数据驱动下基于项目反应理论的多项目资源优化配置方法研究
5.7 本章小结
第6章 多项目关键链资源配置算法及鲁棒性研究
6.1 多目标粒子群算法
6.2 基于云模型的混合量子粒子群算法
6.3 基于混合量子粒子群算法的多项目关键链资源配置研究
6.4 多项目关键链资源配置模型及算法鲁棒性分析
6.5 本章小结
第7章 总结与展望
7.1 研究结论
7.2 研究展望
参考文献
附录A MP_j90相关参数的实验结果
附录B MP_j90工序云参数实验结果