在奖励型众筹项目设计优化方面， 主要的工作聚焦于讨论项目的最优投资额、 相应的筹资目标， 以及质量决策等不同方面。

Hu 等（2015） 是较早的一篇有关奖励型众筹的数学建模研究工作。 作者从市场营销的角度出发研究了在两周期的基本假设下， 筹资方应如何设定每个周期的投资额以获得最优的期望收益。 在基本模型中， 作者比较了四种不同的定价方式， 并且给出了每种方式的适用条件。 在此基础上， 作者讨论了很多基本假设的扩展， 例如考虑支持者估价会随时间发生变化或者支持者数量不确定等。 Alaei等（2016） 应用随机漫步（Random Walk） 描述支持者的行为， 分析支持者的决策， 进而给出了筹资者的筹资目标和投资额的最优决策。 Wu 等（2016） 从众筹平台的视角出发， 讨论存在项目回报不确定性时， 平台应如何向支持者提供项目信息。 Strausz （2017） 针对筹资者在获得资金后不能按计划生产的情形， 结合机制设计的基本理论对众筹机制进行了重新设计， 以避免这种情况的发生。 Xu 和Zhang （2018） 则考虑了前瞻性消费者中的社会学习和网络效应对众筹项目决策的影响。

最近， Chakraborty 和Swinney （2019） 的研究分析了AON 机制下， 拥有不同产品质量的筹资者的最优决策。 作者分别分析了筹资者考虑最大化期望利润和最大化众筹项目成功可能性两类不同的情况， 给出了对应的结论。 而Ellman 和Hurkens （2019） 的工作考虑了众筹项目中的筹资目标和支持者的最低投资额的优化问题。 作者首先针对仅有两个支持者的情形进行了分析， 然后将问题扩展到了有多个支持者的情况。 此外， 作者还讨论了筹资者为了达到筹资目标而冒充支持者进行投资的情况。

近年来， 中文期刊上也出现了一大批有关奖励型众筹的数学建模研究工作。例如， 刘志迎等（2016） 针对投资方和筹资方两类群体， 考虑产量、 产品投放度、 折扣系数和创新度等不同因素， 在信息完全及不完全的情况下， 分析了双方的最优策略。 吕正英等（2016） 考虑了有三个参与者的三阶段模型， 分析了六种不同定价策略下的适用情境， 扩展了Hu 等（2015） 的结果。 白江涛和许长延（2016） 以预售的视角讨论了众筹产品的三周期价格优化问题， 描述了最优的预售规模。(www.daowen.com)

另外的一些国内学者则考虑了与奖励型众筹相关的产品质量决策问题。 例如， 刘志迎和程倩倩（2015） 刻画了筹资者和支持者的效用函数， 讨论了项目质量的变化和筹资者提供的回报率的变化的影响。 黄晶和杨文胜（2017） 考虑了存在广告效应且有两种不同质量的产品需要筹资时项目发起方的最优定价决策。 邓万江等（2018） 则分析了不同估价类型的顾客分别在众筹和正式销售阶段进行投资或购买时项目发起方的定价策略， 并进一步优化了发起方的质量决策。 刘晓峰和顾领（2019） 的研究在企业可以选择不同新产品发布顺序的前提下， 讨论了产品线的菜单价格和相应的质量设计。

此外， 陆冰和石岿然（2016）、 刘志迎等（2017）、 吕秀梅和邵腾伟（2018）也从不同的角度对奖励型众筹的定价策略进行了研究。