本文详细讲解强化学习中的动态规划（DP）算法，作为经典有模型算法，它依托环境完整模型，通过贝尔曼方程与广义策略迭代求解最优策略。内容涵盖 DP 核心前提、贝尔曼期望 / 最优方程、策略迭代与价值迭代原理及对比，结合 4×4 网格世界实例演示价值迭代过程，最后分析算法扩展、局限性及对现代强化学习的影响，帮助读者系统掌握 DP 算法理论与应用。