本文研究了制造与仓储管理中的若干排序问题的精确算法。我们研究了单机总延误问题、流水作业分批问题以及固定加工时段机器总费用最小化问题,分别使用分支定界法、拉格朗日松弛算法以及列生成法求解了这三个制造行业中的排序问题。还应用列生成法求解了仓储管理中的一个NP-困难的订单排序问题。在第二章中,我们讨论单机总延误问题。证明了如果顺时安排法和倒时安排法生成的工件排序的开始部分和结束部分都一样的话,那么一定存在一个最优排序,拥有这开始部分和结束部分。计算实验说明这个性质可以极大地加快分支定界法的计算。对比结果,改进后的分支定界法可以求解800个工件规模的问题,而之前的分支定界法最多只能求解500个工件规模的问题。第三章讨论了两台机器流水作业带安装时间的离散分批问题,目标函数是最小化总完工时间。我们使用动态规划的算法,求解了原问题的拉格朗日松弛问题,得到了一对较强的上下界,并使用邻域搜索算法改进上界。我们对于40个问题进行了计算实验,所得到的上下界的平均间隙只有2.1%。第四章讨论了固定加工时段最小机器总费用问题。问题中,机器有多个级别,工件也有多个类别,级别不同的机器可加工的工件类别也不同。在这个问题的带最长加工时间限制的情形下,我们提出了一个分支定价法来求解这个问题的多达300个工件的实例并通过计算实验研究了机器柔性对于机器总费用的影响。实验说明,有限的机器柔性是大多数情况下的最好选择。另外,我们在附录里提出了一个邻域搜索算法用来改善我们的分支定价法对于某些困难实例的效果。在第五章,我们探讨了自助存储仓库中的订单排序问题。在问题中,仓库单元有不同级别,每个订单的开始和结束存储时间以及想要选择的单元级别都是给定的,仓库经理需要选择是接受还是拒绝订单来最大化收益。针对这个问题中订单可升级的情形,我们提出了一个分支定价法,在考虑了多种情况的计算实验中,我们的算法相比于仓库常用的启发式算法,最多可以提升收益达50%。