Robust optimering — Worst-Case Mathematical Programming

Robust optimering är ett ramverk för matematisk programmering, formaliserat av Ben-Tal och Nemirovski i slutet av 1990-talet och gjort brett hanterbart av Bertsimas och Sim (2004), som finner beslut garanterade att prestera acceptabelt under varje scenario inom en fördefinierad osäkerhetsmängd — snarare än att anta att parametervärden är kända exakt. Istället för att optimera för ett enda förväntat utfall, minimerar det den värsta möjliga objektivfunktionen över alla rimliga realiseringar av osäkra data.