参考 4.1, Reinforcement learning: An Introduction, RS Sutton, AG Barto, MIT press 值迭代： 求解有限 MDP 的动态规划算法。 策略评估是指（通常）对给定策略的价值函数进行迭代计算。 策略改进是指在给定该策略的价值函数的情况下计算改进的策略。 将这两个计算放在一起，我们得到策略迭代和值迭代，这两种最流行的 DP 方法。 给定 MDP 的完整知识，这些中的任何一个都可以用于可靠地计算有限 MDP 的最佳策略和价值函数。 ◮问题：找到最优策略π ◮ 解决方案：贝尔曼最优备份的迭代应用◮ v1 → v2 → ... → v∗ ◮ 使用同步备份，在每次迭代 k + 1 对于所有状态 s ∈ S ：从 v_{k}(s') 更新 v_{k+1}(s) ◮ 收敛到 v∗ 稍后会证明◮ 与策略迭代不同，没有明确的策略◮ 中值

运筹学运筹学运筹学动态规划.doc

课程的随堂作业，C语言的，用dev就能运行，萌新代码，勿喷，仅仅帮助不想写作业的朋友方便一下，反正老师也不会仔细检查的

C++下，分别使用递归和动态规划两种方法来实现求二项式的系数，避免了求阶乘的低效方法。

给出动态规划的递推公式，用实例细致分析了加权区间调度问题思路和每一步的运算结果，有利于快速理解此类问题。

用动态规划法求解最大子段和问题 C语言实现

背包九讲pdf资源

杭电ACM课件（lecture-04）动态规划.ppt

ACM动态规划.ppt

热心学姐来送福利啦，西北科技大学算法分析实验报告，