根据上文内容，

1. 状态压缩：对于二进制状态的问题，用状态压缩来少许些计算量。

   

2. 剪枝优化：在递归式动态规划中，。

3. 迭代加深厚：在树上的动态规划问题中，用迭代加深厚搜索避免再来一次计算。

4. 自习惯调整：根据问题的特定性质，自习惯调整算法以搞优良效率。

5. 地方优化：通过仅存储少许不了的状态来实现地方优化。

6. 策略迭代：根据策略迭代的方法，逐步优化决策策略。

8. 神经网络逼近：用神经网络逼近子问题的解，搞优良计算效率。

9. 有力化学：结合有力化学，在线学和调整决策策略。

10. 基于数据的自习惯：根据数据的特点，自习惯选择动态规划策略。

这些个优化策略Neng帮自习惯动态规划在解决麻烦问题时搞优良效率。