Классические марковские цепи отлично описывают пассивные системы, которые эволюционируют по законам вероятности без вмешательства извне (например, изменение погоды). Но что делать, если исследователь может активно вмешиваться в этот процесс, выбирая действия, которые меняют как вероятности перехода, так и получаемую от системы прибыль? Для моделирования таких управляемых стохастических систем в исследовании операций был создан аппарат Марковских процессов принятия решений (Markov Decision Processes, MDP). MDP стали абсолютным фундаментом для современного машинного обучения с подкреплением (Reinforcement Learning), позволив искусственному интеллекту победить чемпионов мира в сложных стратегических играх.

Когда методы точной оптимизации (такие как симплекс-метод или метод ветвей и границ) сталкиваются с задачами колоссальной размерности, время поиска идеального ответа начинает исчисляться миллионами лет. В таких ситуациях исследование операций обращается к эвристическому программированию — классу алгоритмов, которые жертвуют абсолютной математической точностью ради скорости вычислений. Эвристики не гарантируют нахождения глобального оптимума, но способны за считанные секунды найти достаточно хорошее (субоптимальное) решение. Многие из самых мощных современных метаэвристик были созданы на основе подражания гениальным оптимизационным процессам, происходящим в живой природе и физике.

В исследовании операций для описания статических систем достаточно уравнений, но для моделирования динамических систем с параллельными, асинхронными и конкурирующими процессами нужен совершенно иной математический язык. Этим языком стали Сети Петри — мощный аппарат двудольных ориентированных графов, изобретенный Карлом Адамом Петри в 1962 году. В отличие от блок-схем или конечных автоматов, сети Петри способны наглядно и строго математически описывать синхронизацию потоков данных, разделение ограниченных ресурсов и взаимные блокировки. Они стали абсолютным стандартом при проектировании автоматизированных производственных линий, телекоммуникационных протоколов и распределенных компьютерных систем.

Время — самый жесткий и невосполнимый ресурс в любом производственном процессе. Теория расписаний (Scheduling Theory) изучает алгоритмы оптимального упорядочивания во времени выполнения набора заданий на ограниченном количестве обслуживающих устройств (машин, процессоров, конвейерных линий). От правильной очередности запуска деталей в обработку зависят не только сроки сдачи заказа, но и коэффициенты простоя оборудования, объем незавершенного производства и суммарные финансовые издержки предприятия. Задачи теории расписаний относятся к классу комбинаторной оптимизации и славятся своей исклютительной вычислительной сложностью, требующей применения утонченных математических эвристик.