数学、经济学、管理学中的数学规划是指从一组可实现的成员中选择最佳成员。在最简单的形式中，试图通过从可实现的集合中系统地选择数据并计算实函数值来获得实函数的最大值和最小值。在大多数情况下，基本上有两种情况:没有任何约束和对资源有一些限制。如果我们接受第一个假设，则可以通过诸如取一阶和二阶导数的方法来估计最优值，如果接受第二个假设，则取决于使用诸如线性建模、整数规划、目标规划等模型的组织或经济问题的类型。在所有这些方法中，我们都试图找到最佳点。数学规划旨在寻找各种问题的最佳解决方案，包括医疗、金融、科学和工程问题。
随着组织中专业知识和复杂程度的增加，为了实现整个组织的最高效率，在各个部门的活动之间分配可用资源的问题变得越来越困难。开始寻找解决这类问题的更好方法的探索为运筹学的出现提供了合适的基础。
任何需要决策的问题都可以归类为各种各样的运筹学问题。运筹学涉及许多与管理者决策相关的关键问题，是一套从数学和其他科学中推断出来的技术和方法，可以有效地改善管理决策。换句话说，运筹学是一套通过科学方法帮助管理者决策的量化模型和技术。
运筹学的基本特征是系统方法和科学方法。系统方法意味着管理者有意识地努力理解组织不同部分之间的相互作用，以及它们在支持整个组织绩效中的作用。换句话说，在执行任何操作之前，必须测量它对系统的影响。科学方法需要一个观察、定义问题、提出假设、检验假设和获得结果的系统过程。
大而复杂的问题需要一个专家团队使用广泛的技能来解决。例如，许多组织问题有经济、社会、工程、自然、生物和心理方面。虽然个人不可能专攻所有这些学科，但群体的存在使得问题有可能被不同的专家从不同的角度研究和分析，从而得出答案。
数学规划的一些应用是工作、交通管理、通信网络、调度(员工、生产阶段、电视覆盖范围等)的劳动力优化分配。)、工厂物流的最优管理、最优预算、货物运输的最优管理以及供应链。
就概率而言，可分为概率性和非概率性模型两组。现实问题中用到的方法有些是非概率性的如线性规划、整数规划、非线性规划，有些是概率性的如仿真模型、排队论。有趣的一点是，有些方法在概率和非概率问题上都适用，如网络(Pert、Gert)、决策树、AHP、动态规划等。
复杂性理论告诉我们这类问题往往不是多项式的。这些问题在它们的实际和应用方面是如此之大，以至于不能在可接受的时间内获得它们的最优解。然而，这些问题需要解决，因此没有满足以下最佳答案的解决方案；使得它们具有可接受的质量并且在可接受的时间内获得。已经提出了几种方法来在可接受的时间限制下设计可接受的质量响应。有一些算法可以保证在距离最优答案一定距离的地方找到好的答案，这种算法叫做近似算法。还有其他算法可以保证产生最有可能接近最优的答案，这些算法被称为概率算法。除了这两个类别之外，有可能接受在提供答案方面没有保证的算法，但是基于其结果的证据和记录，平均而言，对于所研究的问题，在质量和解决时间之间具有最佳对比；这些算法被称为启发式算法。
在数学规划的经典方法中，假设问题数据是预先确定的；然而，这种假设在实践中是不合理的。在大多数决策问题中，我们会遇到数据中的某种不准确性和模糊性。在过去的几十年中，已经提出了对这种问题进行数学建模的各种方法，由于各种不确定性的来源，每种方法都试图管理和控制这种情况，以帮助管理者做出现实的决策。三种类型的随机、模糊和鲁棒规划是该领域的研究人员和建模人员所考虑的最重要的方法之一，并且在解决组织问题时具有高效率。
A.G. Malliaris (2008 年)。“随机最优控制”，新帕尔格雷夫经济学词典，第二版
Siadati，Saman。(2013).进化计算. 10 . 13140/rg . 2 . 2 . 36143 . 15526 .
赫蒂，男；克拉尔，2003 年 1 月 1 日。交通流网络的建模、模拟和优化。科学计算杂志。25(3):1066–1087。