Robust optimering är en del inom optimeringsläran som söker finna lösningar till optimeringsproblem när det finns osäkerheter i grunddatat. Generellt betraktas olika scenarier som kan tänkas uppkomma. Metoden kan användas istället för till exempel stokastisk programmering vilken använder statistiska data för att hitta en lösning.
Kouvelis och Yu betraktar tre olika sätt att optimera problemen robust.
Samtliga sätt använder minimax-metoder för att hitta lösningar till minimeringsproblem och maximin-metoder för att hitta lösningar till maximeringsproblem.
Bertsimas och Sim använder intervaller istället för scenarier.