Gerçek-yaşam problemleri açısından, optimizasyona eniyi çözümü garanti eden yöntemler bağlamında bakıldığında dikkate değer sınırlamalar vardır. Bunlardan bazıları aşağıda ifade edilmiştir.

i. Klasik optimizasyon matematiksel modellemeyi gerektirir ve modelleme zaman alıcıdır,

ii. Modellerin güncel parametrelerle kullanılması zorunluluğu bazen aşılması güç bir engel olabilmektedir,

iii. Bazı yerel eniyileme yöntemleri türevlenebilirlik ve dışbükey (convex) çözüm uzayına sahip olma gibi bazı koşulların yerine gelmesine ihtiyaç duymaktadırlar,

iv. Karar problemlerinin önemli bir kısmı tamsayılı ve kombinatoriyal problemler olup, dışbükeylik ve türevlenebilirlik özelliklerinin sağladığı ayrıcalıklara sahip değildirler,

v. Birden fazla çelişen amaç olduğunda, karar vericilerin doğrudan veya dolaylı etkileşimi optimizasyon için şarttır,

vi. Bazen küçük, genellikle de orta veya büyük boyutlu problemleri kabul edilebilir zaman pencerelerinde çözebilecek algoritmalara sahip az sayıda problem vardır.

Bu sınırlamaların her birinde umut verici ve kullanımını yüreklendiren gelişmeler de yok değildir. Bu gelişmelerin bazıları aşağıda ifade edilmiştir.

i. Matematiksel modellerin otomatik olarak kurulabilmesi konusundaki gelişmeler,

ii. İşletme analitiği, veri ambarı ve veri marketi yaklaşımlarının sunduğu betimsel ve kestirimci bilgilerden yararlanarak parametrelerin belirlenmesi konusundaki gelişmeler,

iii. Türev ve dışbükeylik gerektirmeyen stokastik sezgisel yöntemlerin yaygınlaşması,

iv. Tamsayılı ve kombinatoryel problemlere özel modelleme ve çözümleme yaklaşımlarının ortaya çıkması,

v. Optimizasyon-yönelimli karar destek sistemlerinin karşılıklı etkileşimi desteklemesi ile insan-deneyiminin çözüme katkısının önünün açılması,

vi. Değişik boyutlardaki problemlerin stokastik sezgisel yöntemlerle çözülmesinde elde edilen başarılar.