本書講述基于人工智能的控制技術，主要介紹了神經網絡控制、模糊
邏輯控制和進化算法控制。全書分為兩部分，共10 章。第1 部分為基礎
篇，包括第1~6 章，講述基礎理論。第1 章緒論講述人工智能和控制論的
基礎；第2~4 章是神經網絡控制部分，主要講述神經網絡理論基礎、典型
神經網絡、神經網絡自適應控制、強化學習和深度強化學習的內容；第5
章講述模糊控制；第6 章講述進化算法。第2 部分是實用篇，包括第7~10
章，以機械臂、無人機、五子棋和圖像優(yōu)化處理等為例，具體說明了第1
部分內容的應用。書中每章均附有習題。
為加快推進黨的二十大精神進教材，本書深入挖掘科學研究和科學成
果取得過程背后的“兩彈一星”精神、載人航天精神、科學家精神等，并
以二維碼的形式進行教學指引。
本書可作為人工智能、自動化、電氣工程及其自動化、智能控制等相
關專業(yè)的本科課程教材，也可以作為相關工程技術人員的專業(yè)參考書。
本書遵循教指委相關指導文件和高等院校學生學習規(guī)律編寫而成。踐行四新理念，融入思政元素，注重理論與實踐相結合。
前言
隨著人工智能技術的發(fā)展，其適用范圍越來越廣，并逐步滲透到生活中的方方面面，從而改變人類現(xiàn)有的生活方式。在人工智能的發(fā)展中，智能控制是非常重要的內容且具有不可或缺的作用，例如機器人的動作、無人機的飛行、無人汽車的駕駛等都離不開智能控制，因此人工智能控制技術是人工智能、自動化、電氣工程及其自動化等專業(yè)的重要課程。
傳統(tǒng)的控制建立在反饋的基礎上，研究系統(tǒng)的傳遞函數(shù)模型或狀態(tài)空間模型，從而設計控制器將系統(tǒng)控制在期望的情況下。隨著控制研究的進展，最優(yōu)控制、自適應控制、自抗擾控制、滑模控制、自校正控制、預測控制等逐漸成為主體，研究對象系統(tǒng)也不僅僅局限于線性系統(tǒng)，非線性系統(tǒng)逐漸成為研究的主要對象。神經網絡、模糊邏輯的發(fā)展為控制研究提供了新的活力，非線性系統(tǒng)自適應模糊控制、自適應神經網絡控制、自適應動態(tài)規(guī)劃等是目前研究的主要內容。模糊控制、神經網絡控制已經是智能控制的范疇，同時智能控制還包括基于遺傳算法、粒子群算法等進化算法的內容。人工智能的快速發(fā)展使得強化學習、深度強化學習得到了極大發(fā)展，這些都是建立在神經網絡的基礎上的，可以歸結到神經網絡控制（本書第1章對學習與控制術語做了說明）的內容。因此從總體來看，人工智能控制技術可以分為三個部分：神經網絡控制、模糊邏輯控制和進化算法控制。
根據(jù)以上內容，全書分為兩部分，共10章。第1部分為基礎篇，共6章，第1章緒論，介紹人工智能和控制論的基礎；第2~4章屬于神經網絡控制部分，介紹了神經網絡理論基礎、典型神經網絡、神經網絡自適應控制、強化學習和深度強化學習的內容；第5章模糊控制，介紹了模糊控制數(shù)學原理、模糊控制原理及設計和自適應模糊控制等內容；第6章進化算法，介紹了遺傳算法、粒子群算法和蟻群算法三種典型進化算法。第2部分是實用篇，第7章機械臂控制實例，介紹了神經網絡和自適應模糊控制機械臂實例；第8章無人機三維最優(yōu)路徑規(guī)劃實例，介紹了采用強化學習規(guī)劃無人機最優(yōu)路徑的實例；第9章五子棋自動對弈實例，介紹了深度強化學習實現(xiàn)五子棋自動對弈的例子；第10章圖像優(yōu)化處理實例,介紹了粒子群和遺傳算法實現(xiàn)圖像分割的實例。全書章節(jié)邏輯關系如圖所示（點畫線框內內容可根據(jù)學時選學）。
為加快推進黨的二十大精神進教材，本書相應內容融合了“兩彈一星”精神、載人航天精神、科學家精神等,以二維碼的形式進行教學指引。在融入過程中注重內容和方法的統(tǒng)一，避免了浮于表面，流于形式，硬融入的問題。在第1章講述控制系統(tǒng)的發(fā)展歷史時融入了自動控制的奠基人之一我國科學家錢學森的事跡；在第2章神經網絡控制中融入了我國科學家堅忍不拔、努力奮斗的例子；在第3章強化學習中融入了在奇異攝動控制中做出重大貢獻的我國科學家郭永懷的事跡；在第7章機械臂控制實例中融入了我國空間站機械臂的例子等。這些內容切實落實了黨的二十大報告中“實施科教興國戰(zhàn)略”的精神，為培育創(chuàng)新文化、弘揚科學家精神、涵養(yǎng)優(yōu)良學風、營造創(chuàng)新氛圍做出貢獻。
本書由山東科技大學高學輝副教授、昆明理工大學王樹波教授、浙江工業(yè)大學陳強教授和山東科技大學白星振教授編著，全書由高學輝統(tǒng)稿。昆明理工大學的那靖教授審閱了全書并給出了寶貴意見，在此表示感謝。感謝萬裕、劉震、王劍昊、呂昊、岳文龍等研究生在文字錄入、校正和圖片編輯等方面所給予的幫助。由于編著者水平有限，書中難免存在缺點和錯誤，歡迎讀者批評指正。
編著者
高等院校教師
目錄
前言
第1部分基礎篇
第1章緒論
1.1人工智能控制技術概述
1.1.1人工智能的定義及智能控制
1.1.2人工智能控制技術的發(fā)展歷史
1.1.3人工智能控制發(fā)展面臨的難題
1.1.4人工智能控制的主要內容
1.2學習算法概述
1.2.1無監(jiān)督學習
1.2.2監(jiān)督學習
1.2.3強化學習
1.3自動控制基礎
1.3.1控制系統(tǒng)的發(fā)展歷史
1.3.2控制系統(tǒng)模型
1.3.3控制方法概述
1.3.4控制系統(tǒng)的穩(wěn)定性
1.4學習與控制術語說明
習題
參考文獻
第2章神經網絡控制
2.1神經網絡理論基礎
2.1.1神經網絡發(fā)展歷史
2.1.2神經網絡原理
2.1.3神經網絡學習算法
2.2典型神經網絡
2.2.1單神經元網絡
2.2.2BP神經網絡
2.2.3RBF神經網絡
2.2.4Hopfield神經網絡
2.2.5卷積神經網絡
2.3神經網絡自適應控制
2.3.1系統(tǒng)描述
2.3.2自適應控制器設計
2.3.3穩(wěn)定性證明
2.3.4仿真實例
習題
參考文獻
第3章強化學習
3.1強化學習概述
3.1.1強化學習的歷史背景
3.1.2強化學習的分類
3.1.3強化學習的重點概念
3.2馬爾可夫決策過程
3.2.1馬爾可夫鏈與馬爾可夫決策過程
3.2.2貝爾曼方程
3.2.3最優(yōu)控制與最優(yōu)策略
3.3動態(tài)規(guī)劃
3.3.1動態(tài)規(guī)劃簡介
3.3.2最優(yōu)控制中的動態(tài)規(guī)劃
3.3.3強化學習中的動態(tài)規(guī)劃
3.4基本強化學習
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時序差分法
3.4.5其他類型強化學習
習題
參考文獻
第4章深度強化學習
4.1深度強化學習概述
4.1.1深度強化學習發(fā)展歷程
4.1.2深度強化學習基本學習思想
4.2深度卷積神經網絡
4.2.1基本網絡類型
4.2.2改進網絡類型
4.3深度循環(huán)神經網絡
4.3.1網絡結構與計算
4.3.2深度循環(huán)神經網絡變體和改進
4.4深度價值和策略學習
4.4.1深度Q網絡
4.4.2基于策略梯度算法
習題
參考文獻
第5章模糊控制
5.1模糊控制數(shù)學原理
5.1.1模糊集合
5.1.2隸屬函數(shù)的種類
5.1.3模糊集合的運算
5.1.4模糊關系與推理
5.2模糊控制原理及設計
5.2.1基本原理和組成
5.2.2模糊控制器的結構和分類
5.2.3模糊控制的工作原理和設計步驟
5.3自適應模糊控制
5.3.1模糊逼近和萬能逼近定理
5.3.2系統(tǒng)描述
5.3.3模糊控制器設計
5.3.4仿真實例
習題
參考文獻
第6章進化算法
6.1進化算法概述
6.2遺傳算法
6.2.1遺傳算法的發(fā)展歷史
6.2.2遺傳算法的基本原理
6.3粒子群算法
6.3.1粒子群算法的發(fā)展歷史
6.3.2粒子群算法的原理
6.4蟻群算法
6.4.1蟻群算法的發(fā)展歷史
6.4.2蟻群算法的原理
習題
參考文獻
第2部分實用篇
第7章機械臂控制實例
7.1機械臂神經網絡控制
7.1.1問題的提出
7.1.2神經網絡設計
7.1.3控制器設計
7.1.4穩(wěn)定性證明
7.1.5仿真實例
7.2機械臂自適應模糊控制
7.2.1系統(tǒng)描述
7.2.2模糊控制器設計
7.2.3仿真實例
習題
參考文獻
第8章無人機三維最優(yōu)路徑規(guī)劃實例
8.1無人機路徑規(guī)劃簡介
8.2無人機路徑規(guī)劃Q-Learning算法原理
8.3無人機三維路徑規(guī)劃實現(xiàn)過程
8.3.1基于Q-Learning的三維模型創(chuàng)建
8.3.2訓練過程
8.3.3路徑規(guī)劃實現(xiàn)結果
8.4仿真程序
習題
參考文獻
第9章五子棋自動對弈實例
9.1五子棋自動對弈實現(xiàn)原理
9.2蒙特卡洛樹搜索
9.2.1選擇
9.2.2拓展與評估
9.2.3反向傳播
9.2.4演繹
9.3五子棋自對弈訓練
9.4仿真程序
習題
參考文獻
第10章圖像優(yōu)化處理實例
10.1數(shù)字圖像處理技術簡介
10.1.1基本概念
10.1.2研究內容
10.1.3應用領域
10.2圖像分割
10.2.1技術介紹
10.2.2圖像分割的定義
10.2.3基于閾值的分割方法
10.2.4其他分割方法
10.3基于進化算法的圖像分割方法實例
10.3.1基于遺傳算法的圖像分割
10.3.2基于粒子群算法的圖像分割
習題
參考文獻
書單推薦
