Традиционное стохастическое программирование опирается на знание точных вероятностных распределений для случайных параметров (например, нормального распределения рыночного спроса или цен на нефть). Однако на практике собрать достоверную статистику часто бывает невозможно: редкие экономические кризисы, технологические сбои или совершенно новые рынки не имеют надежной исторической базы данных. Если аналитик ошибется в оценке распределения, стохастическое решение может оказаться катастрофически неверным. В конце 1990-х годов в исследовании операций зародилась мощнейшая альтернатива — робастная оптимизация (Robust Optimization). Этот метод не использует вероятности; он ищет решения, которые гарантированно останутся физически выполнимыми и экономически эффективными при любых, даже самых наихудших реализациях параметров в пределах заданного множества.