本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

本书讲述基于人工智能的控制技术，主要介绍了神经网络控制、模糊逻辑控制和进化算法控制。全书分为两部分，共10 章。第1 部分为基础篇，包括第1~6 章，讲述基础理论。第1 章绪论讲述人工智能和控制论的基础；第2~4 章是神经网络控制部分，主要讲述神经网络理论基础、典型神经网络、神经网络自适应控制、强化学习和深度强化学习的内容；第5章讲述模糊控制；第6 章讲述进化算法。第2 部分是实用篇，包括第7~10章，以机械臂、无人机、五子棋和图像优化处理等为例，具体说明了第1部分内容的应用。书中每章均附有习题。为加快推进党的二十大精神进教材，本书深入挖掘科学研究和科学成果取得过程背后的;两弹一星精神、载人航天精神、科学家精神等，并以二维码的形式进行教学指引。本书可作为人工智能、自动化、电气工程及其自动化、智能控制等相关专业的本科课程教材，也可以作为相关工程技术人员的专业参考书。

高等院校教师

目录前言第1部分基础篇第1章绪论1.1人工智能控制技术概述1.1.1人工智能的定义及智能控制1.1.2人工智能控制技术的发展历史1.1.3人工智能控制发展面临的难题1.1.4人工智能控制的主要内容1.2学习算法概述1.2.1无监督学习1.2.2监督学习1.2.3强化学习1.3自动控制基础1.3.1控制系统的发展历史1.3.2控制系统模型1.3.3控制方法概述1.3.4控制系统的稳定性1.4学习与控制术语说明习题参考文献第2章神经网络控制2.1神经网络理论基础2.1.1神经网络发展历史2.1.2神经网络原理2.1.3神经网络学习算法2.2典型神经网络2.2.1单神经元网络2.2.2BP神经网络2.2.3RBF神经网络2.2.4Hopfield神经网络2.2.5卷积神经网络2.3神经网络自适应控制2.3.1系统描述2.3.2自适应控制器设计2.3.3稳定性证明2.3.4仿真实例习题参考文献第3章强化学习3.1强化学习概述3.1.1强化学习的历史背景3.1.2强化学习的分类3.1.3强化学习的重点概念3.2马尔可夫决策过程3.2.1马尔可夫链与马尔可夫决策过程3.2.2贝尔曼方程3.2.3最优控制与最优策略3.3动态规划3.3.1动态规划简介3.3.2最优控制中的动态规划3.3.3强化学习中的动态规划3.4基本强化学习3.4.1策略迭代算法3.4.2值迭代算法3.4.3蒙特卡洛法3.4.4时序差分法3.4.5其他类型强化学习习题参考文献第4章深度强化学习4.1深度强化学习概述4.1.1深度强化学习发展历程4.1.2深度强化学习基本学习思想4.2深度卷积神经网络4.2.1基本网络类型4.2.2改进网络类型4.3深度循环神经网络4.3.1网络结构与计算4.3.2深度循环神经网络变体和改进4.4深度价值和策略学习4.4.1深度Q网络4.4.2基于策略梯度算法习题参考文献第5章模糊控制5.1模糊控制数学原理5.1.1模糊集合5.1.2隶属函数的种类5.1.3模糊集合的运算5.1.4模糊关系与推理5.2模糊控制原理及设计5.2.1基本原理和组成5.2.2模糊控制器的结构和分类5.2.3模糊控制的工作原理和设计步骤5.3自适应模糊控制5.3.1模糊逼近和万能逼近定理5.3.2系统描述5.3.3模糊控制器设计5.3.4仿真实例习题参考文献第6章进化算法6.1进化算法概述6.2遗传算法6.2.1遗传算法的发展历史6.2.2遗传算法的基本原理6.3粒子群算法6.3.1粒子群算法的发展历史6.3.2粒子群算法的原理6.4蚁群算法6.4.1蚁群算法的发展历史6.4.2蚁群算法的原理习题参考文献第2部分实用篇第7章机械臂控制实例7.1机械臂神经网络控制7.1.1问题的提出7.1.2神经网络设计7.1.3控制器设计7.1.4稳定性证明7.1.5仿真实例7.2机械臂自适应模糊控制7.2.1系统描述7.2.2模糊控制器设计7.2.3仿真实例习题参考文献第8章无人机三维最优路径规划实例8.1无人机路径规划简介8.2无人机路径规划Q_Learning算法原理8.3无人机三维路径规划实现过程8.3.1基于Q_Learning的三维模型创建8.3.2训练过程8.3.3路径规划实现结果8.4仿真程序习题参考文献第9章五子棋自动对弈实例9.1五子棋自动对弈实现原理9.2蒙特卡洛树搜索9.2.1选择9.2.2拓展与评估9.2.3反向传播9.2.4演绎9.3五子棋自对弈训练9.4仿真程序习题参考文献第10章图像优化处理实例10.1数字图像处理技术简介10.1.1基本概念10.1.2研究内容10.1.3应用领域10.2图像分割10.2.1技术介绍10.2.2图像分割的定义10.2.3基于阈值的分割方法10.2.4其他分割方法10.3基于进化算法的图像分割方法实例10.3.1基于遗传算法的图像分割10.3.2基于粒子群算法的图像分割习题参考文献

前言随着人工智能技术的发展，其适用范围越来越广，并逐步渗透到生活中的方方面面，从而改变人类现有的生活方式。在人工智能的发展中，智能控制是非常重要的内容且具有不可或缺的作用，例如机器人的动作、无人机的飞行、无人汽车的驾驶等都离不开智能控制，因此人工智能控制技术是人工智能、自动化、电气工程及其自动化等专业的重要课程。传统的控制建立在反馈的基础上，研究系统的传递函数模型或状态空间模型，从而设计控制器将系统控制在期望的情况下。随着控制研究的进展，最优控制、自适应控制、自抗扰控制、滑模控制、自校正控制、预测控制等逐渐成为主体，研究对象系统也不仅仅局限于线性系统，非线性系统逐渐成为研究的主要对象。神经网络、模糊逻辑的发展为控制研究提供了新的活力，非线性系统自适应模糊控制、自适应神经网络控制、自适应动态规划等是目前研究的主要内容。模糊控制、神经网络控制已经是智能控制的范畴，同时智能控制还包括基于遗传算法、粒子群算法等进化算法的内容。人工智能的快速发展使得强化学习、深度强化学习得到了极大发展，这些都是建立在神经网络的基础上的，可以归结到神经网络控制（本书第1章对学习与控制术语做了说明）的内容。因此从总体来看，人工智能控制技术可以分为三个部分：神经网络控制、模糊逻辑控制和进化算法控制。根据以上内容，全书分为两部分，共10章。第1部分为基础篇，共6章，第1章绪论，介绍人工智能和控制论的基础；第2~4章属于神经网络控制部分，介绍了神经网络理论基础、典型神经网络、神经网络自适应控制、强化学习和深度强化学习的内容；第5章模糊控制，介绍了模糊控制数学原理、模糊控制原理及设计和自适应模糊控制等内容；第6章进化算法，介绍了遗传算法、粒子群算法和蚁群算法三种典型进化算法。第2部分是实用篇，第7章机械臂控制实例，介绍了神经网络和自适应模糊控制机械臂实例；第8章无人机三维最优路径规划实例，介绍了采用强化学习规划无人机最优路径的实例；第9章五子棋自动对弈实例，介绍了深度强化学习实现五子棋自动对弈的例子；第10章图像优化处理实例介绍了粒子群和遗传算法实现图像分割的实例。全书章节逻辑关系如图所示（点画线框内内容可根据学时选学）。为加快推进党的二十大精神进教材，本书相应内容融合了;两弹一星精神、载人航天精神、科学家精神等以二维码的形式进行教学指引。在融入过程中注重内容和方法的统一，避免了浮于表面，流于形式，硬融入的问题。在第1章讲述控制系统的发展历史时融入了自动控制的奠基人之一我国科学家钱学森的事迹；在第2章神经网络控制中融入了我国科学家坚忍不拔、努力奋斗的例子；在第3章强化学习中融入了在奇异摄动控制中做出重大贡献的我国科学家郭永怀的事迹；在第7章机械臂控制实例中融入了我国空间站机械臂的例子等。这些内容切实落实了党的二十大报告中;实施科教兴国战略的精神，为培育创新文化、弘扬科学家精神、涵养优良学风、营造创新氛围做出贡献。本书由山东科技大学高学辉副教授、昆明理工大学王树波教授、浙江工业大学陈强教授和山东科技大学白星振教授编著，全书由高学辉统稿。昆明理工大学的那靖教授审阅了全书并给出了宝贵意见，在此表示感谢。感谢万裕、刘震、王剑昊、吕昊、岳文龙等研究生在文字录入、校正和图片编辑等方面所给予的帮助。由于编著者水平有限，书中难免存在缺点和错误，欢迎读者批评指正。编著者