咱们先来说下TSP问题的背景， 背景讲的是一个游客和几个景点的故事， 一个游客想用最小的代价游历完所有的景点，一个是方案怎么选择，一个是最小代价是什么？这就引出了TSP问题，

动态规划这东西呀，还是需要多多练习的。数字 n 代表生成括号的对数，请你设计一个函数，用于能够生成所有可能的并且 有效的 括号组合。 当 n=3的时候，输出是这个样子的out=["((()))","(()())","(())()","()(())","()()(

马尔可夫决策过程的经典五元组，我们再来看看。$${T, S, A(i), p(*|i,a), r(i,a)}$$这就是构成马尔可夫决策过程的环境，当你在业务问题找到这些变量的关系的，就能够使用马尔可夫决策构造一个经典的模型。本章节我们来讲解有限阶段模型。最优准则我们先来介绍报酬效用函数的定义

动态规划动态规划相信大家都是了解的，这是一个运筹学的分支，其核心的思想是将一个大的问题分解成n个小问题，而要解决这个大问题，往往需要这些小问题的解，一般通过某些方式存储起来，从而节省大量时间。而马尔可夫就具有这样的特性，所有动态规划经常被用作解决强化学习问题的方法。策略评估我们在做强化学习的同时往往