第一章 問題的提法與數(shù)學模型
§1．1 離散時間系統(tǒng)的最優(yōu)控制問題
§1．2 數(shù)學規(guī)劃模型
§1．3 連續(xù)時間系統(tǒng)的最優(yōu)控制問題
§1．4 泛函極值模型
第二章 數(shù)學規(guī)劃基本理論
§2．1 無約束極值及等式約束極值理論
§2．2 庫恩一塔克(Kuhn—Tucker)理論
§2．3 拉格朗日對偶性與鞍點最優(yōu)性
§2．4 算法的基本性質(zhì)
第三章 最大值原理基本理論
§3．1 連續(xù)時間系統(tǒng)最大值原理的若干形式
§3．2 最大值原理的證明
§3．3 最大值原理的證明(泛函分析方法)
§3．4 登月艇的軟著陸推力控制問題
§3．5 離散時間系統(tǒng)的最大值原理
第四章 動態(tài)規(guī)劃基本理論
§4．1 離散時間系統(tǒng)的動態(tài)規(guī)劃理論
§4．2 具有二次型指標函數(shù)的線性系統(tǒng)最優(yōu)控制問題(離散時間系統(tǒng))
§4．3 連續(xù)時間系統(tǒng)的動態(tài)規(guī)劃理論
§4．4 最速控制與二次型指標線性系統(tǒng)最優(yōu)控制問題(連續(xù)時間系統(tǒng))
§4．5 動態(tài)規(guī)劃常規(guī)算法
§4．6 動態(tài)規(guī)劃與最大值原理的關(guān)系
第五章 離散時間系統(tǒng)最優(yōu)控制問題的數(shù)值方法
§5．1 無約束算法，最速下降法與牛頓法
§5．2 無約束算法，共軛梯度法與擬牛頓法
§5．3 有約束算法
§5．4 離散時間系統(tǒng)動態(tài)規(guī)劃的特殊算法
§5．5 離散時間系統(tǒng)的微分動態(tài)規(guī)劃
第六章 連續(xù)時間系統(tǒng)最優(yōu)控制問題的數(shù)值方法
§6．1 函數(shù)空間中梯度的求法
§6．2 函數(shù)空間中的最速下降法與共軛梯度法
§6．3 函數(shù)空間中的牛頓法
§6．4 連續(xù)時間系統(tǒng)的微分動態(tài)規(guī)劃
第七章 離散時間系統(tǒng)的隨機最優(yōu)控制
§7．1 問題的提法
§7．2 離散時間系統(tǒng)的隨機動態(tài)規(guī)劃
§7．3 狀態(tài)信息不完整的隨機控制問題
§7．4 次優(yōu)控制技術(shù)
第八章 連續(xù)時間系統(tǒng)的隨機最優(yōu)控制
§8．1 連續(xù)隨機過程與隨機微分方程
§8．2 馬爾可夫擴散過程
§8．3 卡爾曼一布西濾波器
§8．4 受控馬爾可夫過程的動態(tài)規(guī)劃理論
§8．5 連續(xù)時間的線性二次隨機最優(yōu)控制
§8．6 信息不完整的情況
第九章 最優(yōu)控制中的神經(jīng)網(wǎng)絡(luò)技術(shù)
§9．1 神經(jīng)網(wǎng)絡(luò)的基本概念和組成
§9．2 神經(jīng)網(wǎng)絡(luò)模型
§9．3 解凸二階規(guī)劃的神經(jīng)網(wǎng)絡(luò)
§9．4 解一般非線性規(guī)劃的神經(jīng)網(wǎng)絡(luò)
§9．5 解絕對值形式(L1范數(shù))的目標函數(shù)的非線性規(guī)劃的神經(jīng)網(wǎng)絡(luò)
§9．6 解最小最大問題的神經(jīng)網(wǎng)絡(luò)
§9．7 解具有線性約束的非線性規(guī)劃的神經(jīng)網(wǎng)絡(luò)
§9．8 解離散時間最優(yōu)控制問題的神經(jīng)網(wǎng)絡(luò)
§9．9 解離散時間動態(tài)規(guī)劃的神經(jīng)網(wǎng)絡(luò)
第十章 基于粒子群算法和遺傳算法的多目標優(yōu)化
§10．1 多目標優(yōu)化的基本原理
§10．2 進化算法的基本概念
§10．3 多目標進化算法
§10．4 基于遺傳算法的多目標優(yōu)化方法
§10．5 基于粒子群優(yōu)化算法的多目標優(yōu)化方法
§10．6 基于MATLAB的仿真與分析
第十一章 基于模擬退火算法和人工免疫算法的多目標優(yōu)化
§11．1 基于模擬退火算法的多目標優(yōu)化
§11．2 基于人工免疫算法的多目標優(yōu)化
參考文獻