该文章介绍了一种决策为中心的替代建模方法，用于解决实时环境下的非线性优化问题。该方法通过学习简化的凸优化模型来最小化决策预测误差。作者通过数值实验验证了该方法在处理非线性化学过程方面的有效性，并与标准的数据驱动替代建模方法进行了比较，证明了其在产生简单替代模型和提高决策准确性方面的数据效率。