主要的作业研究的方法与技巧如下所述：

　　★决策理论
　　就某种意义来说，所有的作业研究其实多跟决策有关。它涉及决策规则、评估各种可能的决策、决策最佳化、预测决策的结果、协助应付不明确性和风险性，并厘清复杂的情况(决策往往是在这种情况中进行)，让管理阶层可以迅速运用个人的判断，找出在所处环境中最好的行动方案。

　　四种基本决策法则：
　　1.乐观(最大值极大化法则)：
　　选择可能会产生最佳结果的方案。

　　2.悲观(最小值极大化法则、收入法则或成本最大值极大化法则)：
　　在各种可能出现的最低结果中选取最高值的方案。

　　3.机会成本(遗憾法则)：
　　选择某一方案而放弃其它方案时，失去了什么机会? 如果我们采用了某一种特别的方案，事后却发现另一个决策方案才是某一特定环境中最好的选择，那么我们会有多大的遗憾?

　　4.期望值：
　　估计某一特殊状况发生的机率，从而根据估计值来选择方案。

　　决策理论下所分的决策技巧有：
　　★手段－目的分析
　　库克(Steve Cooke)和史雷克(Nigel Slack)所述的手段－目的分析，是要澄清一序列的目标，进而找出一连串的决策点。此一观念是依据一项事实，亦即对某个决策者的目标，对另外一个阶层较高的决策者来说，却是达成较高目标的手段。换句话说，某个人的手段是另一个人的目的。
　　手段－目的分析是以画出手段－目的链来进行。
　　手段－目的链

　　★决策矩阵
　　决策矩阵，如库克(Steve Cooke)和史雷克(Nigel Slack)所述，是一种在不确定环境中把相当直接的决策模式化的方法。这种决策环境中，决策者对于各种选择方案一目了然。与决策者有关的因素或「自然状态」、每一方案与每一因素组合后的可能结果，要列成矩阵表示。

　　决策树

　　算法(计算方法)

　　主观机率

　　贝氏分析

　　贝氏统计分析是要在各种备选方案未知或者以前从来没有尝试过，以致没有正常统计机率的情况下，把主观的预测转化成数学机率曲线。贝氏统计把某一情境的最佳评估值当做是信以为真的机率。一旦有新的数据出现之后，机率可以修正。贝氏分析的最后结果，取决于指定的事前机率(prior probabilities)。贝氏统计的准确性虽值得怀疑，但它的确提供了一个有用的机率修正逻辑结构，把有关假设所知的更多事物建入决策中。

　　决策理论从单一目标发展到多目标，是在理论与实务上的一个跳跃。用多目标规划方法来处理决策问题，更能满足实务上的需求。