1. Monte Carlo方法1946年，在洛斯阿拉莫斯科学实验室工作的John von Neumann，Stan Ulam和Nick Metropolis编制了Metropolis算法，也称为Monte Carlo方法。
Metropolis算法旨在通过模仿随机过程，来得到具有难以控制的大量的自由度的数值问题和具有阶乘规模的组合问题的近似解法。数字计算机是确定性问题的计算的强有力工具，但是对于随机性（不确定性）问题如何当时并不知晓。通过monte Carlo方法，可以在有效的时间内近似得到最优解。在EDA领域，Monte Carlo算法在电路仿真等多个领域有应用。
2. 线性规划的单纯形方法1947年，兰德公司的Grorge Dantzig创造了线性规划的单纯形方法。就其广泛的应用而言，Dantzig算法一直是最成功的算法之一。线性规划对于那些要想在经济上站住脚，同时又有赖于是否具有在预算和其他约束条件下达到最优化的能力的工业界，有着决定性的影响(当然，工业中的“实际”问题往往是非线性的；使用线性规划有时候是由于估计的预算，从而简化了模型而促成的)。单纯形法是一种能达到最优解的精细的方法。尽管从理论上可以证明它是指数级而非线性的，但在实践中该算法是高度有效的——它本身说明了有关计算的本质的一些有趣的事情：理论和实践不一定完全一致。在EDA领域，布局布线工具经常需要用到线性规划或者二次规划求解。
3. Krylov子空间迭代法
