Исследование операций традиционно предполагает, что аналитик располагает точными данными о параметрах системы. Однако в реальном бизнесе и стратегическом управлении решения часто приходится принимать в условиях абсолютной неопределенности. Когда у лица, принимающего решение (ЛПР), нет никакой достоверной статистики о том, с какими вероятностями могут наступить те или иные сценарии развития событий, классические методы максимизации математического ожидания становятся бессильны. Для таких критических ситуаций математики и экономисты разработали специализированный аппарат теории принятия решений, опирающийся на матричные игры с природой и субъективные критерии отношения к риску.

В реальных экономических и физических системах зависимости между переменными крайне редко бывают строго линейными. Производственные затраты часто возрастают экспоненциально при превышении номинальной мощности, а полезность ресурса подчиняется закону убывающей отдачи. Когда целевая функция или хотя бы одно из ограничений в оптимизационной модели принимают нелинейный вид, задача переходит в юрисдикцию нелинейного программирования (НЛП). В отличие от линейных моделей, где оптимум всегда достигается на границе области (в вершине многогранника), нелинейный оптимум может скрываться где угодно: как на границе, так и глубоко внутри области допустимых решений, что делает поиск многократно сложнее.

Управление крупными проектами (строительством небоскребов, запуском космических аппаратов или разработкой сложного программного обеспечения) требует координации тысяч взаимосвязанных задач. Задержка в выполнении одной операции может повлечь за собой сдвиг сроков всего проекта, что приведет к колоссальным финансовым убыткам. В конце 1950-х годов, параллельно и независимо друг от друга, были разработаны два математических метода сетевого планирования, ставшие ядром исследования операций в менеджменте: метод критического пути (CPM, разработанный DuPont) и метод оценки и пересмотра программ (PERT, созданный ВМС США для программы ракет Поларис).