Программирование в ограничениях (Constraint Programming, CP) — это мощная вычислительная парадигма, изначально возникшая в области искусственного интеллекта и логического программирования, но ставшая одним из важнейших инструментов современного исследования операций. В отличие от классического математического программирования, где фокус направлен на оптимизацию целевой функции при линейных или выпуклых ограничениях, CP концентрируется на поиске допустимого решения в сложных комбинаторных пространствах с жесткими логическими и нелинейными связями.

Метод анализа иерархий (Analytic Hierarchy Process, AHP), разработанный выдающимся американским математиком Томасом Саати в 1970-х годах, представляет собой уникальный математический инструмент системного подхода к решению многокритериальных задач. В отличие от строгих методов математического программирования, которые оперируют объективными количественными ограничениями (стоимость, вес, объем), AHP формализует процесс оценки качественных, субъективных и трудноизмеримых факторов (комфорт, политические риски, престиж), переводя интуицию экспертов на строгий язык матричной алгебры.

Одной из главных математических и вычислительных трудностей стохастического программирования является вычисление целевой функции, которая в задачах планирования "под неопределенностью" представляет собой математическое ожидание (интеграл) по непрерывному многомерному распределению случайных параметров. Интегрирование таких функций в задачах высокой размерности аналитически невозможно, а использование классических детерминированных методов численного интегрирования (квадратур) мгновенно приводит к "проклятию размерности". Метод аппроксимации выборочным средним (Sample Average Approximation, SAA) изящно решает эту проблему, заменяя точное математическое ожидание его эмпирической оценкой, полученной методом Монте-Карло.

Муравьиные алгоритмы (Ant Colony Optimization, ACO) представляют собой выдающийся класс метаэвристических методов глобальной дискретной оптимизации, вдохновленных биологической моделью фуражирования (поиска пищи) колониями реальных муравьев. С момента своего создания Марко Дориго в 1992 году этот вероятностный подход, основанный на роевом интеллекте и стигмергии (непрямом обмене информацией агентов через изменение внешней среды), стал мощнейшим инструментом для решения сложнейших NP-трудных задач на графах, таких как задача коммивояжера и задача маршрутизации транспорта.