Pengaturcaraan Dinamik Bayesian — Pengoptimuman keputusan berurutan dengan kemas kini kepercayaan Bayesian

Pengaturcaraan Dinamik Bayesian (BDP) menggabungkan rangka kerja pengaturcaraan dinamik Bellman dengan inferens Bayesian untuk mengoptimumkan keputusan berurutan apabila kebarangkalian peralihan atau struktur ganjaran tidak diketahui. Pada setiap peringkat, ejen mengemas kini kepercayaan tentang persekitaran menggunakan hasil yang diperhatikan, kemudian mengira dasar optimum yang secara eksplisit mengambil kira kedua-dua ganjaran segera dan nilai maklumat yang diperoleh melalui penerokaan.