1。層次分析法
層次分析法的基本思想是把應聘者的綜合能力分解爲若干指標及層次，在最低層次通過兩兩對比得出各因素的權重，通過由低到高的層層分析計算，最後計算出各應聘者的最終綜合指數，指數最大的即爲最佳候選人。它的基本方法是建立應聘者評價指標層次結構模型。而建立評價指標層次模型，首先要對所要招聘的崗位有明確的認識，弄清它涉及哪些因素，如目標、分目標、部門、約束條件、可能情況等等，以及各因素之間的相互關係。其次將評價指標層次化，分爲若干個層次。建立評價指標層次模型之後，可以對應聘者的各項指標進行兩兩比較，構造出判斷矩陣。判斷矩陣是定性過渡到定量的重要環節，再通過求解判斷矩陣的特徵向量，並對判斷矩陣的一致性進行檢驗，檢查企業招聘方在構造判斷矩陣時判斷思維是否具有一致性。通過一致性檢驗後，便可按歸一化處理過的特徵向量作爲某一層次對上一層次某評價指標相對重要的排序加權值，然後從高層次到低層次逐層計算排序權值，得出應聘者的總排序。
2。模糊決策法
在現實生活中，很多概念都是模糊的。如高個子，身高達到多少即算高個子，並無明確的定義，不同的人會有不同的理解。另外如應聘的能力、工作態度、性格等概念也是模糊的。這些概念的內涵是明確的，但外延是模糊的。在企業招聘的現實中，很多指標概念是模糊的，因此模糊決策方法正在成爲企業招聘決策中的一種很有實用價值的工具。
模糊綜合評價法是綜合考慮系統或者事物的多種價值因素，用模糊集理論來評定優劣的方法。它的特點是將定性分析和定量分析相結合，主觀分析與客觀分析相結合。模糊決策的基本方法首先是構造評價指標集X和評級域V。比如X={X1（知識），X2（能力），X3（個性），X4（動機）}，V={ V1（很好），V2（好），V3（不太好），V4（不好）}。如果對於應聘者甲的“知識”指標，企業招聘方有30%認爲“很好”，60%認爲“好”，還有10%認爲“不太好”，卻無人認爲“不好”，爲了簡便起見，我們可近似地認爲對應聘者甲的“知識”指標的評價集爲（0。3，0。6，0。1，0）。相似類推，即可得出應聘者的評價矩陣，將對應聘者的評價矩陣與其相應的權值進行求解，最後將會得到每個應聘者的綜合評價分數。在實踐中，模糊決策法常與專家分析評估法、層次分析法等綜合使用。
3。優劣係數法
優劣係數法是通過對應聘人員的各項指標相對於其他應聘者的優劣程度進行比較，從中甄選出較優秀的應聘者的一種定量分析方法。在現實生活中，沒有哪一個應聘者絕對優於其他應聘者，也沒有哪一個應聘者的各項指標絕對優於其他人員。
對於企業來說，各項素質指標的重要性並不是一樣的，有些素質相對重要一些，而有些素質則相對次要一些。因此企業在計算優劣係數之前，首先需要對不同的`評價指標給予不同的權數；然後通過標準化各項評價指標，使各項指標之間具有可比性，再計算優、劣係數。所謂優係數，是指一個應聘者優於另一個應聘者所對應的權數之和與全部權數之和的比率。所謂劣係數是通過對比兩方案的優極差與劣極差來計算的。
由於優係數只反映優的應聘者，而不反映應聘者優的程度，劣係數只反映應聘者劣的程度，而不反映劣的應聘者，因而在進行招聘決策時應綜合考慮優、劣係數。優劣係數法是根據優劣係數逐步淘汰不理想的應聘者，在招聘過程中具有較廣泛的應用價值。
4。人工神經網絡法
人工神經網絡（Artificial Neural Network）是一門嶄新的信息處理科學，是用來模擬人體神經結構和智能的一個前沿研究領域，因其具有獨特的結構和處理信息的方法，使其在許多實際應用中取得了顯著成效。近年來，由於神經科學、數理科學、信息科學、計算機科學的快速發展，使得以研究神經元的工作模式、非程序的信息處理的人工神經網絡的實現成爲可能。人工神經網絡不需構建任何數學模型，只靠過去的經驗和專家的知識來學習，通過網絡學習達到其輸出與期望輸出相符的結果。網絡所具有的自學習能力使得傳統的專家系統技術應用最爲困難的知識獲取工作方式轉換爲網絡的變結構調節過程，它能根據己學會的知識和處理問題的經驗對複雜問題作出合理的判斷決策，給出較滿意的解答，或對未來過程作出有效預側和估計。只要我們能夠按照科學的數據選擇參數構建網絡模型，它即可獲取數據中的專家經驗數據，對應聘者的各項素質評價指標進行判斷，給出較爲客觀合理的結果。目前人工神經網絡在管理中的應用尚處於研究開發階段。
