To accelerate the computational speed of data-driven distributionally robust optimization (DDRO), this letter presents a novel algorithmic approach to solve the inner max-min model under norm-2 type uncertainty set in DDRO. The proposed method can solve the problem in an easily implemented way instead of a time-consuming optimization process using commercial solvers. Comparisons of computational time between the algorithmic approach and optimization solvers verify the effectiveness of the proposed method.

中文翻译：

---

数据驱动的分布鲁棒优化中Norm-2类型不确定性集下的内最大-最小模型的算法方法


为了加快数据驱动的分布式鲁棒优化（DDRO）的计算速度，本文提出了一种新颖的算法方法来求解 DDRO 中范数 2 类型不确定性集下的内部最大最小模型。所提出的方法可以以易于实现的方式解决问题，而不是使用商业求解器进行耗时的优化过程。算法方法和优化求解器之间的计算时间比较验证了所提出方法的有效性。