分布鲁棒随机优化是一种不确定性优化,结合了统计学和优化理论,克服了鲁棒优化问题的保守性和随机优化中的不确定性.近年来,分布鲁棒随机优化问题的研究取得了大量进展.本文主要从不确定性集合构造着手,研究Wasserstein不确定性集合下的分布鲁棒随机优化问题.本论文研究了在Wasserstein距离构造的不确定性集合下,关于随机变量拟凸的分布鲁棒随机优化问题的对偶性问题.并针对具体的Wasserstein不确定性集合下的分布鲁棒随机问题给出了等价转化形式,转化后的问题为易于处理的有限凸规划问题.进一步,将Wasserstein不确定性集合应用到分类模型中,提出了具有较好鲁棒性和稳定性的l2-Wasserstein距离的分布鲁棒机会约束SVM模型.本文还构造了具有特殊矩信息的不确定性集合的鲁棒问题,研究了该模型的界问题.具体的研究思路如下.首先,针对拟凸成本函数的随机优化问题,本文提出了Wasserstein不确定性集合下具有拟凸成本函数的分布鲁棒随机优化模型.针对该模型,给出了具体的拉格朗日对偶形式,并为强对偶成立提供了充要条件.在满足这些条件下,本文给出了强对偶定理的证明过程.在强对偶成立下,当成本函数关于随机变量拟凸时,具有∞-Wasserstein距离的分布鲁棒随机优化问题通过使用数据驱动的方法可以近似地转化为易于处理的形式.因此,本文具体给出关于随机变量拟凸的两个分布鲁棒随机优化模型,在∞-Wasserstein距离的结构下,应用上述结论将模型等价转化为有限凸规划.最后,相关的数值实验结果表明我们提出的数据驱动模型是有效的.其次,本文研究了一个具有l2-Wasserstein距离的分布鲁棒机会约束SVM模型,提出了具有l2-Wasserstein不确定性集的分布鲁棒机会约束的等价形式.当l2-Wasserstein不确定性集合中的分布为离散分布时,分布鲁棒机会约束SVM模型可以转化为可解的线性0-1混合整数规划问题.当为连续分布时,分布鲁棒式机会约束SVM模型可以转化为易于处理的0-1混合整数SOCP规划问题.最后,数值实验表明相较于经典SVM模型和Soft SVM模型,本文提出的模型具有较好的鲁棒性和稳定性.最后,本文研究了特殊矩信息构造的不确定性集下分布鲁棒优化问题.首先研究了在给定随机变量X的均值和几何均值的情况下,生存函数P（X＞t）=1-F（t）界的问题.我们通过研究原始-对偶矩优化问题,给出了原始-对偶问题对应的最优解,并得到一对紧的下界.本文得到的生存函数的紧界能在在许多其他应用中有所帮助.我们进一步分析了已知随机变量的均值和几何均值的鲁棒定价问题,研究了给定随机变量X的均值和几何均值的报童问题的最优解.