Глобальная экономика держится на контейнерных перевозках. Каждый день миллионы стандартизированных морских контейнеров и кузовов грузовиков загружаются товарами для отправки по всему миру. Главная логистическая проблема заключается в том, что воздух перевозить экономически невыгодно. Оптимизация пространственного расположения коробок разного размера внутри ограниченного объема транспортного средства — это колоссальный вызов для исследования операций, известный как Задача трехмерной упаковки контейнеров (3D Bin Packing Problem, 3D-BPP). Эта математическая головоломка объединяет сложнейшую комбинаторную оптимизацию с законами трехмерной евклидовой геометрии, обеспечивая корпорациям экономию десятков процентов на транспортных издержках.

Классическая теорема о максимальном потоке и алгоритмы Диница великолепно работают, когда по сети передается только один вид ресурса (например, только вода или только нефть). Однако в реальной телекоммуникационной инфраструктуре, железнодорожных сетях и автомобильной логистике по одним и тем же каналам связи или дорогам одновременно движутся миллионы различных независимых потоков. Звонок абонента из Москвы во Владивосток и звонок из Казани в Новосибирск могут совместно использовать один и тот же оптоволоконный кабель. Для оптимизации таких систем исследование операций применяет Многопродуктовые потоковые задачи (Multicommodity Flow Problems). Этот класс задач требует виртуозного математического распределения ограниченных ресурсов между конкурирующими продуктами.

Планирование запасов, оптимизация производственных расписаний и управление транспортными потоками невозможны без качественного предвидения будущего. В исследовании операций и эконометрике для предсказания случайных процессов используется анализ временных рядов (Time Series Analysis). Это мощнейший математический аппарат, который извлекает скрытые закономерности из хронологически упорядоченных исторических данных. Вершиной классического статистического прогнозирования стала методология Бокса-Дженкинса и модели ARIMA. Эти алгоритмы позволяют аналитикам не просто проводить линии тренда, а строить глубокие стохастические модели, учитывающие инерцию рынка, сезонные циклы и автокорреляцию случайных шоков.

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.