面对众多的单件订单及其不同的交货期要求,如何在加工资源有限的情况下同时进行单件订单接受优化决策和加工调度优化决策以实现净收益最大化是企业面临的重要问题。在实际中,订单接受决策和加工调度决策通常分别隶属于销售和生产两个不同部门:销售部门期望接受尽可能多的订单以最大化销售收入,而生产部门追求有效利用加工资源以提高企业生产力。尽管两个部门可能进行沟通与协调,但是由于它们之间的利益冲突以及缺乏有效的优化理论和技术方法支持,可能导致订单延期交付、净收益减少甚至客户流失,难以实现企业的全局优化目标。因此,研究单件订单接受与加工调度问题,同时确定需要接受的单件订单并优化其加工排序以最大化企业净收益,具有重要的理论意义和应用价值。本文针对企业的实际运作管理需求,首次构建了纳入考虑单件订单分类、两阶段流水车间加工以及转包加工策略等决策场景的若干单件订单接受与加工调度问题优化决策模型。上述问题的优化决策模型约束繁多,结构复杂,从复杂度理论上讲是NP-hard的。因此,针对各个问题模型分别设计简单高效的优化方法进行求解也是本文的研究重点。具体而言,本论文的主要研究内容包括:(1)针对带强制交货期的单机分类订单接受与加工调度问题,本文设计了一个改进人工蜂群算法实现优化决策。首先,考虑到单件订单分类的特点,我们引入了订单组的概念设计人工蜂群算法的邻域操作;同时通过一系列改进策略有效地提高算法的计算性能。包括采用两个启发式算法生成质量优异的蜜源个体;通过自适应选择策略进行邻域搜索;嵌入局部搜索算法以平衡算法的全局探索和局部搜索能力;改变跟随蜂阶段的摒弃机制,保留适应度较好的蜜源个体。最后,大量的仿真实验结果表明改进人工蜂群算法能够有效地求解大规模问题实例。(2)针对可滞后完工的单机分类订单接受与加工调度问题,本文提出了一个拉格朗日松弛启发式算法。我们采用松弛订单约束策略构建拉格朗日松弛问题,通过嵌入相邻订单相异性约束提高松弛上界质量。采用动态规划求解该松弛问题,并应用次梯度算法更新拉格朗日乘子。然后,基于松弛解的启发式信息,结合研究问题的优化性质设计启发式算法构造可行解。本文通过随机生成大量问题实例进行一系列的仿真实验,结果表明所设计的拉格朗日启发式算法能够在合理时间内求得大规模问题实例令人满意的近优解。(3)针对两阶段流水车间单件订单接受与加工调度问题,本文提出了一个基于深度优先搜索分支策略的分支定界算法。相比于广度优先搜索,深度优先搜索可以令算法较快地获得一个问题可行解。基于两阶段流水车间的结构特征,分别设计了有效的启发式算法和松弛算法以求解问题下界和上界。通过求得的下界与上界,同时结合优势规则进行算法剪枝。仿真实验结果表明,本文所设计的分支定界算法能够在合理时间内求解订单规模等于20的问题实例最优解。(4)针对考虑转包决策的单件订单接受与加工调度问题,本文设计了一个候鸟优化算法进行求解。该算法采用两个分别基于启发式规则和拉格朗日松弛的启发式算法生成候鸟个体,以保证初始种群的质量;应用迭代贪心算法的毁坏和构造操作进行邻域搜索;通过引入局部搜索策略,平衡算法的全局探索能力和局部搜索能力。基于随机生成的问题实例进行大量的仿真实验,验证了候鸟优化算法求解大规模问题实例的有效性。最后,在总结以上研究成果的基础上,指出了该研究领域一些值得进一步研究的问题。