Esistono altri metodi per risolvere numericamente fenomeni non lineari, deterministici e non, stocastici, caotici, turbolenti. Ad esempio le equazioni dell’idrodinamica oltre alle tecniche della Computational Fluid Dynamics possono essere risolte con metodi computazionali alternativi e molto popolari. La CFD perde efficienza nel caso in cui si vogliano studiare fluidi più complessi, quando ad esempio diventano importanti le scale di tempi e lunghezze caratteristiche.
In questi casi è importante quindi studiare i sistemi più a fondo, utilizzando un approccio microscopico o, meglio ancora, un approccio mesoscopico; in quest’ultimo caso si studia il sistema su scale di lunghezza molto piccole, ma non abbastanza da considerarle microscopiche, rimanendo quindi in una trattazione classica. Tale sigenza ha portato nel tempo a sviluppare degli algoritmi computazionali che fanno uso della meccanica statistica classica e della teoria cinetica. Molti di questi algoritmi trovano larga applicabilità in problemi di fluidodinamica ma con alcune piccole modifiche vengono applicati anche in altri casi come l'economia. Tra i vari algoritmi sviluppati dalla comunità scientifica vi è l’algoritmo LBM  ed i seguenti:

• Molecular Dynamics (MD),
• Dissipative Particle Dynamics (DPD),
• Direct Simulation Monte Carlo Method (DSMC),
• Multi Particle Collision Dynamics (MPCD).

Gli ultimi tre utilizzano un approccio mesoscopico ed hanno natura stocastica, mentre la MD risolve le equazioni del moto di Newton ed ha natura deterministica.

Gli algoritmi 'mesoscopici' trovano applicazione anche in campi diversi dalla fluidodinamica, come ad esempio lo studio dei fenomeni di traspotro nei semiconduttori, fisica nucleare, e teorie dei mercati finanziari. Il più popolare è senza dubbio il metodo Monte Carlo.