订单选择和订单调度是按订单(MTO)生产企业的两项重要的工作。通常,订单选择和订单调度分别由市场部门和生产部门负责,两者之间由于信息的不对称往往会产生矛盾。市场部门倾向于尽可能多地接收订单,而由于交货期承诺、企业自身产能等限制因素,生产部门无法对接收的所有订单进行加工,必须对订单进行合理选择,以降低工单延误率、提升接单水平与交货表现、提高对客户响应的速度和服务水平。从供应链的角度来看,我们应该对市场部门的接单和生产部门的加工调度订单进行统筹协调,将接单和加工调度两个决策问题联合考虑,以使企业收益最大化。订单选择与加工调度联合优化决策问题是典型NP-hard的,采用传统的优化算法难以取得令人满意的解。理论研究表明,蚁群算法等智能算法可以较好的应用于大规模的复杂组合优化问题。本文以收益最大化为优化目标,首先对蚁群算法进行相应改进并将其用于解决一类并行机环境下接单与加工调度联合优化问题。这类并行机环境下,我们假设每台机器对所有订单的设置时间是固定不变的。通过对蚁群算法选择概率函数的修改,使算法可以优先选择收益大且交货期短的订单,此外,最大-最小蚂蚁信息素更新方式的采用较好地平衡了算法的求解质量和时间性能；其次,提出另一类并行机环境下接单与调度联合优化问题。在这类并行机环境下,机器的设置时间将随订单的不同而不同。同时,针对原蚁群算法的不足,将算法改进为蚁群-遗传混合算法。这一混合算法有效的利用了两种智能算法的优点：利用遗传算法的快速全局搜索性为蚁群算法提供初始信息素含量矩阵,而蚁群算法的正反馈性则利用该信息素含量矩阵有效的找出问题的最优解或次优解。最后,本文针对两类并行机环境下的蚁群算法,设计相应的仿真实验,验证本文所设计算法的在解决该联合优化决策问题的效果。实验结果表明,蚁群算法及蚁群-遗传混合算法能较好地应用于该类问题的求解。