智能控制理論與技術(第2版中文版電腦科學與技術學科研究生系列教材)/電腦科學與技術學科前沿叢書
內容大鋼
孫增圻、鄧志東、張再興編著的《智能控制理論與技術（中文版第2版電腦科學與技術學科研究生系列教材）》系統地介紹了模糊控制、神經網路控制、專家控制、學習控制、分層遞階控制及智能優化方法等內容，每部分既自成體系，又互相聯繫，它們共同構成了智能控制理論和技術的主要內容。本書取材新穎，內容豐富，彌補了當前智能控制缺乏系統性資料的不足。
本書可作為信息、自動化及電腦應用等專業的本科生及研究生的教材及參考書，也可供有關教師和科技工作者學習參考。
作者介紹
編者:孫增圻//鄧志東//張再興
孫增圻，1966年畢業於清華大學自動控制系，留校工作至今。1981年在瑞典獲博士學位。現為清華大學電腦系教授，博士生導師，中國人工智慧學會副理事長，中國自動化學會常務理事，中國自動化學會智能自動化專業委員會主任，中國自動化學會機器人競賽工作委員會主任，RoboCup中國委員會主席，《中國科學》、《控制理論與應用》、《機器人》、《系統模擬學報》、《微電腦信息》及《International Journalof Corltrol，A1atomation and Systems》編委，《智能系統學報》編委會副主任。歷任電腦系副主任（1995—2001），電腦系學位委員會主席（1995—2003），863計劃航天領域遙科學及空間機器人專家組成員（1993—1997）、組長（1997—2001），IEEE控制系統學會北京分會副主席（1997—2005），《自動化學報》編委（1999—2005）。
長期從事智能控制及機器人方面的教學和研究工作。在智能控制、機器人、模糊系統和神經網路、電腦控制理論及應用等方面較有研究。10余項科研成果獲得教育部或北京市科技進步獎。
出版的著作有《控制系統的電腦輔助設計》、《電腦控制理論及應用》、《機器人智能控制》、《系統分析與控制》、《智能控制理論與技術》等，在國內外刊物及國際會議共發表論文300余篇。
目錄
第1章 緒論
1.1 智能控制的基本概念
1.1.1 智能控制的研究對象
1.1.2 智能控制系統
1.1.3 智能控制系統的基本結構
1.1.4 智能控制系統的主要功能特點
1.1.5 智能控制研究的數學工具
1.2 智能控制的發展概況
1.3 智能控制理論
第2章 模糊邏輯控制
2.1 概述
2.1.1 模糊控制與智能控制
2.1.2 模糊集合與模糊數學的概念
2.1.3 模糊控制的發展和應用概況
2.2 模糊集合及其運算
2.2.1 模糊集合的定義及表示方法
2.2.2 模糊集合的基本運算
2.2.3 模糊集合運算的基本性質
2.2.4 模糊集合的其他類型運算
2.3 模糊關係
2.3.1 模糊關係的定義及表示
2.3.2 模糊關係的合成
2.4 模糊邏輯與近似推理
2.4.1 語言變數
2.4.2 模糊蘊含關係
2.4.3 近似推理
2.4.4 句子連接關係的邏輯運算
2.5 基於規則庫的模糊推理
2.5.1 MIMO模糊規則庫的化簡
2.5.2 模糊推理的一般步驟
2.5.3 論域為離散時模糊推理計算舉例
2.5.4 模糊推理的性質
2.5.5 模糊控制中常見的兩種模糊推理模型
2.6 基於Mamdani模型的模糊控制
2.6.1 模糊控制器的基本結構和組成
2.6.2 模糊控制的離線計算
2.6.3 模糊控制的在線計算
2.6.4 模糊控制系統的分析和設計
2.7 基於T-S模型的模糊控制
2.7.1 T-S模糊模型的表示
2.7.2 T-S模糊模型的建模
2.7.3 基於模糊狀態方程模型的系統穩定性分析
2.7.4 基於模糊狀態方程模型的平滑控制器設計
2.7.5 基於模糊狀態方程模型的切換控制器設計
2.8 自適應模糊控制
2.8.1 基於性能反饋的直接自適應模糊控制
2.8.2 基於模糊模型求逆的間接自適應模糊控制
第3章 神經網路控制
3.1 概述
3.1.1 神經元模型
3.1.2 人工神經網路
3.1.3 生物神經網路系統與電腦處理信息的比較
3.1.4 神經網路的發展概況
3.2 前饋神經網路
3.2.1 感知器網路
3.2.2 BP網路
3.2.3 BP網路學習演算法的改進
3.2.4 神經網路的訓練
3.3 反饋神經網路
3.3.1 離散Hopfield網路
3.3.2 連續Hopfield網路
3.3.3 Boltzmann機
3.4 局部逼近神經網路
3.4.1 CMAC神經網路
3.4.2 B樣條神經網路
3.4.3 徑向基函數神經網路
3.5 模糊神經網路
3.5.1 基於Mamdani模型的模糊神經網路
3.5.2 基於T-S模型的模糊神經網路
3.6 遞歸神經網路
3.6.1 引言
3.6.2 Elman網路
3.6.3 ESN網路
3.6.4 SHESM網路
3.7 基於神經網路的系統建模與辨識
3.7.1 概述
3.7.2 逼近理論與網路建模
3.7.3 利用多層靜態網路的系統辨識
3.7.4 利用動態網路的系統辨識
3.7.5 利用模糊神經網路的系統辨識
3.8 神經網路控制
3.8.1 概述
3.8.2 神經網路控制結構
3.8.3 基於全局逼近神經網路的控制
3.8.4 基於局部逼近神經網路的控制
3.8.5 模糊神經網路控制
3.8.6 有待解決的問題
3.9 神經網路在機器人控制中的應用
3.9.1 神經網路運動學控制
3.9.2 神經網路動力學控制
3.9.3 神經網路路徑規劃
第4章 專家控制
4.1 概述
4.1.1 專家控制的由來
4.1.2 專家系統
4.1.3 專家控制的研究狀況和分類
4.2 專家控制的基本原理
4.2.1 專家控制的功能目標
4.2.2 控製作用的實現
4.2.3 設計規範和運行機制
4.3 專家控制系統的典型結構
4.3.1 系統結構
4.3.2 系統實現
4.4 專家控制的示例
4.4.1 自動調整過程
4.4.2 自動調整過程的實現
4.5 專家控制技術的研究課題
4.5.1 實時推理
4.5.2 知識獲取
4.5.3 專家控制系統的穩定性分析
4.6 一種仿人智能控制
4.6.1 概念和定義
4.6.2 原理和結構
4.6.3 仿人智能控制的特點
第5章 學習控制
5.1 概述
5.1.1 學習控制問題的提出
5.1.2 學習控制的表述
5.1.3 學習控制與自適應控制
5.1.4 學習控制的研究狀況和分類
5.2 基於模式識別的學習控制
5.2.1 學習控制系統的一般形式
5.2.2 模式分類
5.2.3 可訓練控制器
5.2.4 線性再勵學習控制
5.2.5 bayes學習控制
5.2.6 基於模式識別的其他學習控制方法
5.2.7 研究課題
5.3 基於迭代和重複的學習控制
5.3.1 迭代和重複自學習控制的基本原理
5.3.2 非同步自學習控制
5.3.3 非同步自學習控制時域法
5.3.4 非同步自學習控制頻域法
5.4 聯結主義學習控制
5.4.1 基本思想
5.4.2 聯結主義學習系統的實現原理
5.4.3 聯結主義學習控制系統的結構
5.4.4 研究課題
第6章 分層遞階智能控制
6.1 一般結構原理
6.2 組織級
6.3 協調級
6.3.1 協調級的原理結構
6.3.2 Petri網轉換器
6.3.3 協調級的Petri網結構
6.3.4 協調級結構的決策和學習
6.4 執行級
第7章 智能優化方法
7.1 概述
7.2 遺傳演算法
7.2.1 引言
7.2.2 遺傳演算法的工作原理及操作步驟
7.2.3 遺傳演算法的實現及改進
7.2.4 遺傳演算法應用舉例
7.2.5 遺傳演算法中的聯結關係
7.3 粒子群優化演算法
7.3.1 引言
7.3.2
[