资源介绍
这本书是世界科学出版社"深度学习神经网络丛书"的第二卷，聚焦于自适应动态规划这一近年来在智能控制领域备受关注的研究方向。全书围绕"如何让系统学会自己做出最优决策"这一核心命题，系统梳理了从经典动态规划到迭代自适应动态规划的完整理论脉络，并以神经网络为工具搭建起通向自学习最优控制的桥梁。对于从事控制理论、强化学习、计算智能方向研究的研究生和学者来说，这本书提供了一个非常扎实的理论框架。书中内容从最基础的离散时间系统和连续时间系统的动态规划讲起，逐步过渡到自适应动态规划的原始形式与迭代形式，作者用层层递进的方式展示了价值迭代、策略迭代等核心算法的推导过程和收敛性分析。值得特别注意的是，作者团队来自中国科学院自动化研究所和北京科技大学，他们在自适应动态规划领域积累了大量的原创性研究成果，这本书并非泛泛的教材式综述，而是带有鲜明研究团队学术风格的专著，书中很多算法和定理都来自作者本人多年的工作积累。作为清华大学和中国科学院背景的资深研究者，清来伟教授长期从事自适应动态规划、神经网络控制和工业应用方面的研究，曾获得IEEE系统人与控制论学会Andrew P. Sage最佳论文奖、IEEE神经网络与学习系统汇刊杰出论文奖等多个国际学术荣誉，发表了超过八十篇国际期刊论文；宋睿卓教授同样活跃于该领域，在最优决策和博弈方向有百余篇论文发表；李洪洋博士则是中科院自动化所的青年研究人员。三位作者互补的研究背景使得这本书在理论深度和应用广度上取得了较好的平衡。从目录来看，本书不仅涵盖了自适应动态规划的基本原理和迭代算法，还涉及数据驱动控制、多智能体系统、有限时间收敛等近年来的研究热点，对希望快速进入该领域前沿的读者非常有帮助。这本书适合作为控制科学与工程、人工智能、运筹学与控制论等专业的高年级本科生、研究生教材或参考书，也适合工业自动化、机器人、能源系统等领域的工程师和研究者参考。如果你对强化学习背后的数学理论感兴趣，或者正在从事智能优化控制相关的研究与开发，这本书值得认真研读，它能帮助你理解为什么动态规划在面对高维问题时会遇到"维度灾难"，以及自适应动态规划是如何借助神经网络的力量去逼近和解决这些难题的。