本文综述在线线性规划与资源分配研究，提出基于学习的在线算法，在近似预言机下改进复杂度并获得常数遗憾界；利用鲁棒估计为强化学习提供遗憾上界；针对未知分布与敌对分布设计统一算法；研究线性动态系统的在线控制与二次控制，实现O(√T)遗憾；并给出长期约束优化的次线性遗憾算法。