在很多实际问题中，数据的不确定性无处不在。例如，在供应链优化问题中，在需要做出重要决策的时候，实际需要的材料，产品数量以及回收的资金等因素都不是精确已知的。在工程问题中，考虑的数据往往受到计量误差等因素的影响，也构成了模型的不确定性。　　 鲁棒优化作为一种解决不确定问题的领先方法，假设不确定数据属于有界集合，实现了所谓的“硬约束”，即优化解能够满足不确定数据的所有实现，当它面向最坏情况时，代表一个保守的观点。目前该方法已广泛的应用于证券投资，自然科学，生产调度等领域，但在系统的辨识和控制中的应用较少。　　 本文从鲁棒优化的基本原理出发，简述了Ben-Tal，L.EI.Ghaoui和Bertsimas等不同学者的研究成果，重点针对无穷范数定义的不确定集合约束下的不确定二阶锥规划和二次规划问题进行研究，经过理论推导，给出了易于计算的半定规划形式的鲁棒对等式。　　 本文对系统噪声统计特性未知但有界的不确定离散线性系统的参数辨识问题进行了研究，提出了一种鲁棒最小二乘辨识算法，该方法将系统辨识问题转化为不确定优化问题，实现对不确定系统的辨识；然后从线性二次型控制及高斯线性二次型控制出发，重点研究了系统噪声的统计特性未知但是有界的不确定线性系统的最优控制问题，通过考虑在不确定集合中系统二次性能指标的最大最小化，实现了随机系统的鲁棒线性二次控制；通过实例仿真，验证了鲁棒优化算法在不确定系统辨识和控制中应用的可行性和有效性。