【学习笔记】基于 Wasserstein距离的分布鲁棒优化

• 衡量不同分布间距离

在构建模糊集的方式上，除了利用矩信息之外，另一种思路是衡量真实分布与经验分布之间的距离。在这种情况下，我们以经验分布为中心，将与经验分布不超过某一距离的所有分布纳入模糊集中。于是，如何定义两个概率分布间的距离成了关键，这一度量不仅需要有统计学意义，还应尽量让相应的分布鲁棒优化模型可处理。

• Wasserstein 度量

目前很受欢迎的一种度量方式是 Wasserstein 距离。