本书从控制系统建模、控制与优化的本质要求出发，系统介绍了近年来模糊推理、神经网络、智能优化理论和方法的作用及意义。作为控制理论和方法的进一步发展，本书着重介绍了智能理论和方法在解决复杂系统控制问题中的方法及意义，同时结合实例介绍智能理论与方法在控制系统中的各种应用。本书共分10章，主要介绍了智能控制的基本概念与研究内容、复杂系统结构与智能控制、模糊集合与模糊推理的数学基础、常用模糊控制器形式、工作原理和设计过程、机器学习的经典算法、神经元与神经网络，针对非线性系统的建模和控制问题给出了详细阐述，以遗传算法重点介绍了数值优化算法对设计控制系统的作用，最后介绍了数据挖掘、数据校正和数据融合等新技术，并对智能控制的发展进行了展望。
本书可作为高等院校高年级本科生和研究生教材，也可供控制科学与工程、计算机控制、系统工程、电气工程及相关专业的工程技术人员参考。

前言
第1章 概论
1.1 控制科学发展的新阶段——智能控制
1.2 智能控制的基本概念与研究内容
1.2.1 模糊逻辑控制
1.2.2 神经网络控制
1.2.3 遗传算法
1.3 本书的主要内容
第2章 复杂系统结构与智能控制
2.1 复杂系统的分层递阶智能控制
2.1.1 分层递阶智能控制的一般结构原理
2.1.2 组织级
2.1.3 协调级
2.1.4 执行级的最优控制
2.2 专家系统
2.2.1 专家系统的基本组成与特点
2.2.2 专家智能控制系统的基本原理
2.2.3 仿人智能控制
2.3 学习控制
2.3.1 基于模式识别的学习控制
2.3.2 再励学习控制
2.3.3 Bayes学习控制
2.3.4 迭代学习控制
2.3.5 基于联结主义的学习控制
2.4 习题
第3章 模糊集合与模糊推理
3.1 模糊集合及其运算
3.1.1 模糊集合的定义及表示方法
3.1.2 模糊集合的基本运算
3.1.3 模糊集合运算的基本性质
3.2 模糊关系与模糊推理
3.2.1 模糊关系的定义及表示方法
3.2.2 模糊关系的合成
3.2.3 语言变量与蕴含关系
3.2.4 近似推理
3.3 基于规则库的模糊推理
3.3.1 模糊推理的基本方法
3.3.2 模糊推理的性质
3.3.3 模糊控制中的几种常用模糊推理
3.4 习题
第4章 基于模糊推理的智能控制
4.1 模糊控制系统的基本概念
4.1.1 模糊控制系统的组成
4.1.2 模糊控制系统的原理与特点
4.1.3 模糊控制系统分类
4.2 模糊控制的基本原理
4.3 模糊控制系统的两种基本类型
4.3.1 Mamdani型模糊控制系统的工作原理
4.3.2 T-S型模糊控制系统的工作原理
4.4 模糊控制器的设计过程
4.4.1 输入量的模糊化
4.4.2 模糊规则与模糊推理
4.4.3 模糊判决
4.5 模糊控制系统的分析与设计
4.5.1 模糊模型
4.5.2 模糊模型的辨识
4.5.3 基于Takagi-Sugeno模糊棋型的辨识
4.5.4 榄糊控制系统的稳定性分析
4.6 模糊控制系统的应用
4.6.1 蒸汽发动机的模糊控制系统
4.6.2 聚丙烯反应釜的模糊控制系统
4.7 习题
第5章 基于经典机器学习方法的智能控制
5.1 机器学习的基本概念
5.2 决策树
5.2.1 决策树生成
5.2.2 特征选择
5.2.3 决策树的剪枝
5.3 支持向量机
5.3.1 线性可分问题与硬间隔支持向量机
5.3.2 对偶问题
5.3.3 线性问题与软间隔支持向量机
5.3.4 非线性可分问题与核方法
5.4 主成分分析
5.4.1 基本思想
5.4.2 理论推导
5.4.3 主成分分析方法求解
5.5 经典机器学习在控制领域的应用
5.5.1 流程工业生产控制
5.5.2 流程工业生产控制系统的分析
5.5.3 基于统计学习的终端生产指标预测模型
5.5.4 基于支持向量机的高炉炉缸热状态控制方法
5.5.5 基于主成分分析的丙烯酲转化软测量建模方法
5.6 习题
第6章 神经元与神经网络
6.1 神经网络的基本概念
6.1.1 神经网络的基本原理和结构
6.1.2 神经网络的模型
6.1.3 神经元的连接方式
6.2 前馈神经网络
6.2.1 感知器
6.2.2 BP网络
6.2.3 CMDH网络
6.2.4 RBF网络
6.3 反馈神经网络
6.3.1 CG网络
6.3.2 盒中脑（BSB）网络
6.3.3 Hopfield网络
6.3.4 回归BP网络
6.3.5 Boltzmann网络
6.4 模糊神经网络
6.4.1 基于标准模型的模糊神经网络
6.4.2 基于Takagi-Sugeno模型的模糊神经网络
6.5 深度学习
6.5.1 深度学习基本概念
6.5.2 深度学习基本模型
6.6 习题
第7章 基于神经网络的智能控制
7.1 神经网络建模
7.1.1 通近理论与网络控制
7.1.2 利用多层静态网络的系统建模
7.1.3 利用动态网络的系统建模
7.2 神经网络控制
7.2.1 神经网络控制系统的结构
7.2.2 基于神经网络的控制器设计
7.3 神经网络控制系统的分析
7.4 神经网络控制系统的应用
7.4.1 神经网络的模型辨识
7.4.2 基于神经元网络的机械手控制
7.4.3 基于深度学习的自适应动态规划
7.4.4 基于深度学习的平行控制
7.5 习题
第8章 智能控制中的现代优化方法
8.1 遗传算法的基本原理
8.1.1 遗传算法的生物学基础
8.1.2 遗传算法的基本概念
8.1.3 遗传算法的基本实现
8.1.4 遗传算法的特点
8.1.5 遗传算法的应用
8.2 遗传算法在加热炉控制系统建模中的应用
8.2.1 遗传算法建模原理
8.2.2 加热炉对象的遗传算法建模
8.2.3 遗传算法建模实验及仿真验证
8.3 遗传算法在模糊控制器设计中的应用
8.3.1 对解进行编码
8.3.2 对解进行寻优
8.3.3 仿真及结果
8.4 遗传