Традиционные методы исследования операций, такие как системная динамика или дифференциальные уравнения, рассматривают экономику и общество сверху вниз (Top-Down). Они оперируют макроскопическими агрегированными величинами: общим уровнем безработицы, средним спросом или суммарным объемом производства. Однако в реальности рынки состоят из тысяч независимых потребителей, фирм и инвесторов, каждый из которых имеет свои уникальные предпочтения, память и стратегию поведения. Чтобы понять, как из локального хаоса индивидуальных решений рождается глобальный рыночный порядок, аналитики создали Агентное моделирование (Agent-Based Modeling, ABM) — метод, позволяющий изучать системы снизу вверх (Bottom-Up).

Одной из наиболее фундаментальных и практически востребованных задач исследования операций является поиск кратчайшего пути в графе. Как проложить оптимальный маршрут в навигаторе, как передать пакет данных по интернету с минимальной задержкой, или как минимизировать потери энергии при передаче электричества? Все эти физические проблемы математически сводятся к анализу взвешенных ориентированных графов. Разработка эффективных алгоритмов маршрутизации стала возможной благодаря гениальным открытиям в дискретной математике, среди которых абсолютным эталоном признан алгоритм Эдсгера Дейкстры, ставший базой для всей современной транспортной и информационной логистики.

Управление дорожным трафиком в крупных мегаполисах — одна из сложнейших задач исследования операций. В отличие от передачи данных в интернете, где пакеты покорно следуют командам маршрутизатора (системный оптимум), за рулем каждого автомобиля сидит рациональный человек. Каждый водитель эгоистично стремится минимизировать исключительно собственное время в пути. Из-за этого глобальная эффективность транспортной сети радикально падает. Для математического моделирования этого эгоистичного хаоса и предсказания распределения автомобилей по улицам используются принципы равновесия, сформулированные Джоном Вардропом, и нелинейные алгоритмы условной оптимизации, в частности, алгоритм Франка-Вульфа.