是人工智能学术语
自适应动态规划(Adaptive/Approximate Dynamic Programming，ADP)，又叫近似动态规划，是人工智能和控制领域发展而交汇形成的新兴学科。
ADP方法主要包括三种基本类型：启发式动态规划(Heuristic Dynamic Programming，HDP)，双启发式动态规划(Dual Heuristic Programming，DHP)和全局双启发式动态规划(Globalized Dual heuristic Programming，GDHP)。这三种类型都包含三个模块，如果每个模块都用神经网络来代替，这样我们也称这三个模块为三个网络，即评价网络(Critic Network)、模型网络(Model Network)和执行网络(Action Network)。如果我们省略了模型网络，使得执行网络直接与评价网络相连接，这样的结构称为它们的动作依赖(Action-Dependent)形式，即ADHDP，ADDHP，ADGDHP。
动态规划模型相对于静态规划模型的优点：
1. 能够得到全局最优解；
2. 可以得到一族最优解；
3. 由于动态规划方法反映了动态过程演变的联系和特征，在计算时可以利用实际知识和经验提高求解效率。
动态规划模型的缺点：
1. 没有统一的标准模型；
2. 数值方法求解时存在维数灾。
您好，生涯反馈和动态调整是职业生涯规划过程中非常重要的环节，以下是一个范例：
1. 总结自己在过去一段时间内的职业发展情况，包括职业成就、职业满意度、职业目标、职业瓶颈等方面。
2. 评估自己的职业技能和职业素质，找出自己的优势和劣势。
3. 参考他人的意见和建议，寻求他人对自己职业生涯发展的反馈。
4. 分析自己的职业经验和成长，总结自己的职业心路历程。
1. 根据生涯反馈的结果，调整自己的职业目标和职业规划。
2. 重新评估自己的职业技能和职业素质，制定提升计划。
3. 调整职业发展策略，包括寻找新的职业机会、转变职业方向、提高自己的职业竞争力等。
4. 不断学习和成长，更新自己的职业知识和技能，适应职业发展的变化和挑战。
职业生涯规划书反馈修正写法如下：
若在大学里，感觉营销专业不适合自己，我选学会计专业，同样在会计行业取得同等的效果。
参加工作后，若是实际没有按自己所计划的方向发展，我会再接再厉全力奋进，直至实现（可与原来时间相错在5年以内，否则，我会离开这个公司，另图高就）。
若与妻子意见发生分歧，可暂缓执行，俩人商量而行。
若觉得自己能力无法达到预期，就需要加强能力训练。
如果抓不住出国深造的机会，就会找时间甚至放弃现有工作去出国留学。
如果今后没有赚到足够的钱，只能少量做公益事业，但我会一直坚持。
动态规划的概念 在上例的多阶段决策问题中，各个阶段采取的决策，一般来说是与时间有关的，决策依赖于当前状态，又随即引起状态的转移，一个决策序列就是在变化的状态中产生出来的，故有“动态”的含义，称这种解决多阶段决策最优化问题的方法为动态规划方法。
动态规划的最优化概念是在一定条件下，我到一种途径，在对各阶段的效益经过按问题具体性质所确定的运算以后，使得全过程的总效益达到最优。
应用动态规划要注意阶段的划分是关键，必须依据题意分析，寻求合理的划分阶段(子问题)方法。
而每个子问题是一个比原问题简单得多的优化问题。
而且每个子问题的求解中，均利用它的一个后部子问题的最优化结果，直到最后一个子问题所得最优解，它就是原问题的最优解。 1.3 动态规划适合解决什么样的问题 准确地说，动态规划不是万能的，它只适于解决一定条件的最优策略问题。 或许，大家听到这个结论会很失望:其实，这个结论并没有削减动态规划的光辉，因为属于上面范围内的问题极多，还有许多看似不是这个范围中的问题都可以转化成这类问题。 上面所说的“满足一定条件”主要指下面两点: (1)状态必须满足最优化原理; (2)状态必须满足无后效性。 动态规划的最优化原理是无论过去的状态和决策如何，对前面的决策所形成的当前状态而言，余下的诸决策必须构成最优策略。
可以通俗地理解为子问题的局部最优将导致整个问题的全局最优在上例中例题1最短路径问题中，A到E的最优路径上的任一点到终点E的路径也必然是该点到终点E的一条最优路径，满足最优化原理。
动态规划的无后效性原则某阶段的状态一旦确定，则此后过程的演变不再受此前各状态及决策的影响。
也就是说，“未来与过去无关”，当前的状态是此前历史的一个完整总结，此前的历史只能通过当前的状态去影响过程未来的演变。
具体地说，如果一个问题被划分各个阶段之后，阶段 I 中的状态只能由阶段 I+1 中的状态通过状态转移方程得来，与其他状态没有关系，特别是与未发生的状态没有关系，这就是无后效性。
