最優控制的理論與方法(第3版)（簡體書）

第一章問題的提法與數學模型
1.1離散時間系統的最優控制問題
1.2數學規劃模型
1.3連續時間系統的最優控制問題
1.4泛函極值模型
第二章數學規劃基本理論
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性
2.4算法的基本性質
第三章最大值原理基本理論
3.1連續時間系統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離散時間系統的最大值原理
第四章動態規劃基本理論
4.1離散時間系統的動態規劃理論
4.2具有二次型指標函數的線性系統最優控制問題（離散時間系統）
4.3連續時間系統的動態規劃理論
4.4最速控制與二次型指標線性系統最優控制問題（連續時間系統）
4.5動態規劃常規算法
4.6動態規劃與最大值原理的關系
第五章離散時間系統最優控制問題的數值方法
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離散時間系統動態規劃的特殊算法
5.5離散時間系統的微分動態規劃
第六章連續時間系統最優控制問題的數值方法
6.1函數空間中梯度的求法
6.2函數空間中的最速下降法與共軛梯度法
6.3函數空間中的牛頓法
6.4連續時間系統的微分動態規劃
第七章離散時間系統的隨機最優控制
7.1問題的提法
7.2離散時間系統的隨機動態規劃
7.3狀態信息不完整的隨機控制問題
7.4次優控制技術
第八章連續時間系統的隨機最優控制
8.1連續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規劃理論
8.5連續時間的線性二次隨機最優控制
8.6信息不完整的情況
第九章最優控制中的神經網絡技術
9.1神經網絡的基本概念和組成
9.2神經網絡模型
9.3解凸二階規劃的神經網絡
9.4解一般非線性規劃的神經網絡
9.5解絕對值形式（L1范數）的目標函數的非線性規劃的神經網絡
9.6解最小最大問題的神經網絡
9.7解具有線性約束的非線性規劃的神經網絡
9.8解離散時間最優控制問題的神經網絡
9.9解離散時間動態規劃的神經網絡
第十章基于粒子群算法和遺傳算法的多目標優化
10.1多目標優化的基本原理
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化方法
10.5基于粒子群優化算法的多目標優化方法
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化
11.1基于模擬退火算法的多目標優化
11.2基于人工免疫算法的多目標優化
參考文獻