鲁棒优化(RO)作为数学规划的一个新分支近几年才发展起来,它是解决不确定规划问题的一种强有力工具。由于测量误差或模型本身的缺陷,或者决策阶段缺乏信息等原因,实际中许多优化问题的数据是受到干扰的或者是不确定的,并且概率分布也无法预知。鲁棒优化通过“集合”形式描述数据的不确定性(而不是概率分布),使得约束条件在不确定数据取值于已知集合中所有可能值的情况下都满足,并以此建立最坏情况下最优目标函数的鲁棒对应模型(RC),从而得到问题的鲁棒最优解。已有文献中的各种鲁棒线性优化模型大都是基于约束矩阵为列不确定或行不确定性的情况,本文对线性优化(LP)对偶能否将行不确定的鲁棒LP模型转化为列不确定的鲁棒LP模型,以及系数b为不确定的情况下鲁棒线性优化模型的对偶等问题进行初步的研究。另一方面,半定规划由于其比较强的表示能力,可以处理实际应用中大量的非线性凸优化问题,在工程以及生物优化中具有广泛的应用,然而由于实际建模中的决策环境是不确定的,需要对所建的模型进行安全性判别,即分析模型中输入数据发生的微小变化对模型最优解所产生的影响。对于一个给定的模型,若判定该模型是鲁棒不可行的,则此模型对数据的变化很敏感,其实际应用价值不大。这时可利用鲁棒优化建模的方法重新建模使其所求解具有鲁棒性。本文的主要工作如下:(1)给出了约束条件中右端系数b为区间不确定情况鲁棒线性优化基于不同决策准则的等价模型,并分析了模型的计算复杂性。(2)研究了鲁棒线性优化模型的对偶和线性优化模型对偶的鲁棒形式的关系,以及仅系数b为不确定下的LP对偶。(3)建立了判别半定规划鲁棒不可行的准则。