动态规划：
1.基本思想：
将待求解问题分解成若干个相互联系的阶段，即子问题，将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，先求解子问题，然后从这些子问题的解的方法得到元问题的解。
2.Bellman最优化原理：
作为整个过程的最优策略具有这样的性质：无论过去的状态和决策如何，相对于前面的决策所形成的状态而言，余下的决策序列必然构成最优子策略。
也就是说，一个最优策略的子策略也是最优的。 3.无后性原则：
某一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。即未发生的不受到发生的事情的影响。
遗传算法的基本思想和实现过程：
1. 基本思想：
遗传进化，根据自然选择和适者生存原理，用简单的编码技术和繁殖机制，模拟自然界生物群体优胜劣汰的进化过程，实现对复杂问题的求解。 2. 实现过程：
① 把搜索空间（欲求解问题的解空间）映射为遗传空间，把每一个可能的解编码为一
个向量（二进制或十进制数字串），称为一个染色体（或个体），向量中每一个元素称为基因。
② 所有染色体组成群体（群体中染色体个数用POP表示），并按预定的目标函数（或
某种评价指标）对每个染色体进行评价，根据其结果给出一个适应度值。 ③ 算法开始时，先随机地产生一些染色体（欲求解问题的候选解），计算其适应度，
根据适应度对诸染色体进行选择、交叉、变异操作，剔除适应度差的染色体，留下适应度较好（性能优良）的染色体，从而得到新的群体。
④ 新群体的染色体是上一代群体的优秀者，继承了上一代的优良性态，因而明显优于
上一代，这样就能向着更优解的方向进化，直至满足某种预定的优化收敛指标。
神经网络的实现过程：
① 数据预处理（归一化过程） ② 构造神经网络
③ 神经网络的学习过程 ④ 神经网络的工作过程
为什么做归一化处理？归一化处理对结果有什么影响？
①什么是归一化
数据归一化，就是将数据映射到更小的区间。 ②为什么要归一化处理
<1>输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。
<2>数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。
<3>由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。
归一化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。比如将数据映射到[0,1]或[-1,1]区间或更小的区间。
影响：首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。
请举至少5个最优化方法在水利行业的应用实例
1. 动态规划：水库枢纽优化调度
水资源优化配置
2. 遗传算法：水库优化调度
大坝边坡稳定性分析
水利工程中的施工精度优化
3. 层次分析法: 水库大坝安全鉴定的综合评价 在水环境规划中的应用
在水利工程投资决策中的应用 水利工程风险评估的综合应用 在工程项目中成本的应用
4. 神经网络:人工神经网络在水利工程方案综合评价中的应用 基于BP（反向传播）神经网络在水利工程投标决策应用 BP神经网络在水利发电控制系统中的应用 人工神经网络在水文预报中的应用
BP神经网络在水质评价中的应用