В задачах принятия решений в условиях риска и неопределенности использование математического ожидания часто вступает в конфликт с реальным поведением человека. Знаменитый Санкт-Петербургский парадокс показал, что люди отказываются платить большие суммы за участие в лотерее с бесконечным математическим ожиданием выигрыша. Для разрешения этого алгебраического и психологического противоречия Джон фон Нейман и Оскар Моргенштерн в 1944 году разработали Теорию ожидаемой полезности. Этот аксиоматический фундамент доказал, что любой рациональный экономический агент максимизирует не абсолютную денежную прибыль, а скрытую математическую функцию полезности, которая нелинейно зависит от его богатства.

В классическом исследовании операций управление цепями поставок рассматривается как сложная динамическая система, в которой материальные и информационные потоки пересекаются множеством независимых агентов. Одной из самых разрушительных проблем в таких системах является эффект хлыста (Bullwhip Effect). Это явление характеризуется прогрессирующим усилением колебаний амплитуды заказов по мере продвижения от конечного потребителя вверх по цепи поставок к производителю сырья. Математическое и системное понимание этого феномена критически важно для предотвращения коллапса складских мощностей и стабилизации производственных графиков транснациональных корпораций.

Математическое программирование (линейное и нелинейное) исторически фокусировалось на алгебраических неравенствах и движении по градиентам целевых функций. Однако многие задачи операционного менеджмента — составление графиков дежурств врачей, расписания школьных занятий или конфигурация сложных продуктов — полны жестких логических, а не алгебраических условий. Например: «если сотрудник работает в ночную смену, он не может выйти утром», или «эти две задачи нельзя выполнять на одном станке». Попытка закодировать такие условия бинарными переменными в линейном программировании приводит к гигантским неэффективным матрицам. Для решения этой концептуальной проблемы искусственный интеллект и исследование операций породили Программирование в ограничениях (Constraint Programming, CP) — парадигму, основанную на логическом выводе и фильтрации доменов.