本书主要内容包括随机系统分析和状态估计理论，如线性和非线性最优状态估计及分布式估计理论；随机最优控制综合理论，如基于随机最大值原理和动态规划法的随机系统最优控制、随机最优逆控制、随机系统最优预测控制及强化学习和随机自适应最优控制等；随机稳定性理论以及包含非梯度随机搜索法和随机梯度下降法的参数优化理论等内容。
本书理论体系完整，特色鲜明，可作为高等院校自动控制、系统工程专业研究生教材及自动化类专业和其他相关专业的高年级本科生教材，也可供自动控制及相关领域科技工作者和工程技术人员等阅读参考。

第1章 绪论
1.1 随机最优控制及参数优化概述
1.2 随机系统最优控制的研究历史与现状
1.2.1 随机最优状态估计研究现状
1.2.2 随机最优控制研究现状
1.2.3 随机多智能体系统协同最优控制研究现状
1.2.4 强化学习和随机自适应控制研究现状
1.2.5 随机系统稳定性研究现状
1.2.6 随机参数优化研究现状
1.3 本书概貌
第2章 随机系统分析
2.1 引言
2.2 随机线性系统数学模型
2.2.1 连续时间随机系统
2.2.2 离散时间随机系统
2.3 连续时间随机线性系统状态向量概率矩
2.3.1 问题描述
2.3.2 冲激响应函数法
2.3.3 概率矩微分方程
2.3.4 状态对有色噪声的响应
2.4 离散时间随机线性系统状态向量概率矩
2.5 随机线性系统状态向量分布函数
2.5.1 第一特征函数计算
2.5.2 概率密度函数计算
2.6 随机非线性系统统计线性化
2.6.1 非线性函数的一般线性化
2.6.2 非线性函数的统计线性化
2.6.3 随机非线性系统统计线性化系统模型
2.7 随机非线性系统的矩分析
2.7.1 冲激响应法
2.7.2 逼近概率矩微分方程
2.7.3 离散时间随机非线性系统状态向量概率的矩
2.8 带有信道噪声的多智能体线性系统随机分析
2.8.1 离散时间多智能体随机系统模型
2.8.2 状态向量概率矩
2.8.3 连续时间多智能体随机系统模型
2.8.4 概率矩微分方程
2.9 本章小结
第3章 随机系统最优状态估计
3.1 引言
3.2 连续时间随机线性系统状态估计
3.2.1 连续时间系统卡尔曼滤波
3.2.2 噪声信号相关情形
3.2.3 有色量测噪声情形
3.2.4 惯性量测情形
3.3 离散时间随机线性系统状态估计
3.3.1 量测噪声为一般白噪声情形
3.3.2 惯性量测情形
3.3.3 有色噪声情形
3.4 后验概率密度方程
3.5 非线性滤波逼近算法
3.6 准最优非线性滤波器
3.6.1 直接线性化方法
3.6.2 统计线性化和随机线性化方法
3.7 非线性无迹滤波
3.7.1 无迹变换
3.7.2 算法描述
3.8 非线性粒子滤波
3.8.1 标准粒子滤波算法
3.8.2 标准粒子滤波的缺点
3.9 非线性高斯和滤波
3.10 结构随机跳变系统滤波
3.10.1 带有混合噪声的结构随机跳变系统滤波
3.10.2 仅带有加性噪声的结构随机跳变系统滤波
3.10.3 结构随机跳变系统滤波和交互多模型（IMM）滤波算法比较
3.11 分布式状态估计
3.11.1 分布式容积滤波
3.11.2 分布式无迹卡尔曼滤波
3.12 本章小结
第4章 随机系统最优控制的一般理论
4.1 引言
4.2 随机最优控制统一模型
4.2.1 问题描述
4.2.2 最优准则（最优代价函数）
4.2.3 最优控制方法
4.3 随机最大值原理
4.3.1 随机系统最优控制算法
4.3.2 最短时间控制
4.3.3 终值控制问题
4.3.4 最小能量控制问题
4.4 随机系统局部最优控制
4.5 离散随机系统的最大值原理
4.6 离散随机系统动态规划法
4.6.1 完全状态信息情形
4.6.2 不完全状态信息情形
4.7 连续时间随机系统的动态规划
4.7.1 固定终时情形
4.7.2 不固定终时情形
4.8 本章小结
第5章 随机最优控制
5.1 引言
5.2 连续时间随机线性系统最优控制
5.2.1 基于随机最大原理的随机最优控制
5.2.2 基于动态规划法随机最优控制
5.3 离散时间随机线性系统最优控制
5.3.1 完全状态信息情形
5.3.2 不完全状态信息情形
5.4 连续时间随机非线性系统最优控制
5.4.1 问题提出
5.4.2 准最优控制的解析结构
5.5 离散时间随机非线性最优控制
5.6 随机线性系统局部最优控制
5.6.1 控制不受约束情形
5.6.2 控制受约束情形
5.7 随机非线性系统局部最优控制
5.7.1 控制不受约束情形
5.7.2 控制受约束情形
5.8 带有乘性噪声的随机线性系统的逆最优控制
5.9 本章小结
第6章 基于扩展二次型代价函数的最优控制
6.1 引言
6.2 扩展二次型代价函数
6.3 固定终时的随机线性系统最优控制
6.4 不固定终时的随机线性系统最优控制
6.5 非线性随机系统的准最优控制
6.5.1 固定终时情形
6.5.2 不固定终时情形
6.6 有控制约束条件的随机系统最优控制
6.6.1 随机线性系统最优控制
6.6.2 随机非线性系统最优控制
6.7 基于扩展二次型的随机线性系统逆最优控制
6.7.1 问题描述
6.7.2 最优逆控制
6.8 本章小结
第7章 随机系统最优预测控制
7.1 引言
7.2 随机时不变线性系统最优预测控制
7.2.1 有限终端情形
7.2.2 无终端约束情形
7.3 随机时变线性系统的最优预测控制
7.4 带有加性噪声

随着大数据、人工智能、物联网及5G技术的快速发
展，多学科交叉融合势在必行。为了适应多学科交叉融
合对学生培养提出的新要求，西北工业大学无人系统技
术研究院牵头相关学科率先将新兴交叉学科“智能无人
系统科学与技术”“随机最优控制”作为该学科硕士、
博士研究生培养方案中的专业核心课程。
由于目前国内外没有适合此新兴交叉学科的研究生
教材，因此西北工业大学将编写适合本学科研究生教学
的教材作为2019年研究生课程建设项目内容之一。本书
除了介绍随机系统最优状态估计、随机最优控制、随机
稳定性及控制参数优化方法等随机最优控制的基本内容
外，还考虑“智能无人系统科学与技术”是新兴交叉学
科，涵盖的学科领域和应用范围非常广泛的特点，增加
了三方面内容：
一是涵盖无人系统理论和技术的内容，如集群无人
平台相关的滤波、控制理论和技术；
二是人工智能理论和技术与自动控制交叉融合的内
容，如强化学习及随机自适应最优控制、与大数据及深
度学习密切相关的参数优化学习算法等；
三是控制学科自身发展出的新理论和新方法，如随
机非线性系统稳定性等。
本书第一作者从1995年在西安交通大学攻读博士学
位开始就进行非线性系统控制理论等方面的研究，合作
撰写了《非线性系统理论及应用》一书；特别是
$2001\\sim2004$年在俄罗斯留学期间，在随机系统分析
与随机最优控制方面进行了深入细致的研究；先后主持
了国家自然科学基金项目“随机跳变系统最优控制理论
及其应用基础研究”（项目编号：60674031）、“空间
飞行器的结构随机跳变最优控制理论研究”（项目编号
：60874040）、“杂干扰条件下多拦截器编队协同中制
导研究”（项目编号：61973253）等十余项相关研究。
近年来，本书第一作者及团队在分布式协同状态估计、
分布式协同最优控制、强化学习和随机自适应最优控制
以及用于人工智能参数优化计算等方面取得一系列最新
研究成果。本书在吸收随机最优控制经典研究内容的同
时，增加了最新研究成果，以期尽量涵盖智能无人系统
科学与技术中有关自动控制方面的主要内容。
本书是关于随机系统统计分析、随机系统最优状态
估计和随机系统最优控制等理论及参数优化的教材，旨
在全面系统地总结该领域的学术成就。本书汇集了作者
团队近年来在随机最优控制和优化理论及其应用方面的
科研、教学工作中的心得和体会，内容丰富、新颖、系
统，既包括较为完备的经典理论，又包括近年来发展起
来的新理论、新方法和新技术，特别是有机融入了作者
团队近年来的若干研究成果。
本书第9章和12.4节由程昊宇撰写；第8章和12.5节
由黄汉桥撰写；第11章和3.11节由彭维仕撰写；其余内
容由方洋旺撰写。方洋旺和彭维仕完成全书统编和修改
工作。
本书得到国家自然科学基金项目（项目编号：
61973253、71801222、60674031、60874040）、西北
工业大学研究生课程建设项目经费的资助，在此表示衷
心的感谢。本书在编写过程中，得到了西北工业大学航
天学院闫杰教授，无人系统技术研究院白俊强常务副院
长、符文星副院长、毛昭勇副院长等的鼓励、支持和帮
助，在此表示衷心的感谢。此外，本书还得到国内同人
的大力支持。感谢清华大学张贤达教授、西安交通大学
韩崇昭教授、西安电子科技大学焦李成教授的大力支持
，感谢空军工程大学于雷教授、李学仁教授、魏贤志教
授、肖明清教授等的关心和帮助。还要感谢西北工业大
学研究生院办公室和无人系统技术研究院办公室相关老
师给予的支持和帮助。本书内容包含了第一作者的历届
博士研究生伍友利、周晓滨、高翔、李锐、毛东辉等的
研究工作，对他们所做的贡献表示衷心的感谢。在本书
编写过程中，第一作者的博士研究生徐洋、张丹旭和第
一作者指导的西北工业大学博士生吴自豪、王志凯、马
文卉、邓天博和硕士研究生欧阳楚月、李欣芳和张博均
等参与了本书部分文稿的录入及插图的绘制工作，在此
表示感谢。本书引用了一些作者的论著及其研究成果，
在此，向他们表示深深的谢意。
鉴于篇幅限制，本书对随机分布参数系统尚未涉及
，只是基于最基本的随机系统模型讨论其最优控制及参
数优化理论。
由于水平有限，书中不妥之处在所难免，望广大读
者批评指正。
2020年4月于西北工业大学