"由“决策、信息、决策、信息”组成的序贯决策问题无处不在，几乎涵盖了人类的所有活动，包括商业应用、卫生(个人健康、公共卫生和医疗决策)、能源、科学、各工程领域、金融和电子商务等。应用的多样性吸引了至少15个不同研究领域的关注，使用了8种不同的符号系统，产生了大量的分析工具。而其弊端是，由某一领域开发的强大工具可能不为其他领域所知。

本书提供了一个可以借助5个核心组件(状态变量、决策变量、外部信息变量、转移函数和目标函数)对任何序贯决策问题进行建模的通用框架；强调了可能影响任何模型的12种不确定性，并将做决策的各种方法(称为策略)归纳为4个基本类别，涵盖学术文献中提出的或实践中使用的所有方法。

本书是一本探讨如何对不同方法进行均衡处理，以便建模和解决序贯决策问题的开创性图书，承袭了大多数聚焦机器学习、优化和模拟的书籍的风格。本书专为具有概率和统计背景知识并对建模和应用程序感兴趣的读者而设计。线性规划有时用于特定的问题类型。本书专为刚接触这一领域的读者以及对不确定优化有一定了解的读者而著。

本书提及了100多种不同应用，包括纯学习问题、动态资源分配问题、一般状态相关问题和混合学习/资源分配问题(如COVID-19全球流行期间出现的问题)。全书共有370个练习，分为7组，包括复习问题、建模问题、计算练习、求解问题、理论问题、编程练习和读者在本书伊始选择的“每日一问”，且“每日一问”为本书其余问题的基础。"