In der Informatik, wie man sagt, hat ein Problem optimalen Unterbau, wenn eine optimale Lösung effizient von optimalen Lösungen bis seine Teilprobleme gebaut werden kann. Dieses Eigentum wird verwendet, um die Nützlichkeit der dynamischen Programmierung und gierigen Algorithmen in einem Problem zu bestimmen.

Gewöhnlich wird ein gieriger Algorithmus verwendet, um ein Problem mit dem optimalen Unterbau zu beheben, wenn es durch die Induktion bewiesen werden kann, dass das an jedem Schritt (Cormen. Seiten 381-2) optimal ist. Sonst, Versorgung der Problem-Ausstellungsstücke, die auf Teilprobleme ebenso übergreifen, wird dynamische Programmierung verwendet. Wenn es keine passenden gierigen Algorithmen gibt und das Problem scheitert, überlappende Teilprobleme auszustellen, häufig ist eine lange, aber aufrichtige Suche des Lösungsraums die beste Alternative.

In der Anwendung der dynamischen Programmierung zur mathematischen Optimierung basiert der Grundsatz von Richard Bellman von Optimality auf der Idee, dass, um ein dynamisches Optimierungsproblem von einer Startperiode t zu einer endenden Periode T zu lösen, man implizit Teilprobleme lösen muss, die von späteren Daten s, wo t anfangen