Jako że układy występujące w naturze przejawiają optymalność w swoim ruchu całkiem sensowna staje się idea by zaprojektować system (będący dziełem człowieka), który zachowywał by się w sposób optymalny. Zasadnicza zaleta takiej idei leży w tym, że projekt takiego systemu może być opracowany w dziedzinie czasu. W kontekście nowoczesnej teorii sterowania, zwykło się minimalizować czas stanu przejściowego; kwadratową, uogólnioną funkcję energii albo indeks wykonania (ewentualnie z jakimiś ograniczeniami nałożonymi na dozwolone sygnały układu sterowania).
Od lat 40. XX wieku, pomiędzy rokiem 1948 i 1952, Richard Ernest Bellman rozwijał teorię programowania dynamicznego. Pracując na wydziale matematyki korporacji RAND, badał problem określania alokacji pocisków do celów tak aby spowodować możliwie największe szkody. Praca ta doprowadziła go do sformułowania zasady optymalności i programowania dynamicznego. Dobór nazwy, według relacji opublikowanej w 1984 roku, podyktowany był względami politycznymi. Badania były finansowo wspierane przez Wojska lotnicze, ale ówczesny sekretarz obrony miał awersję do badań z obszaru matematyki. Dynamiczny to słowo z pozytywnymi skojarzeniami, a programowanie wydawało się bardziej do zaakceptowania niż planowanie.