在自然界中存在很多种智能现象，例如：人类大脑的思维过程，鸟儿在觅食过程中的协同机制，每只蚂蚁动作行为简单但蚁群却能够完成复杂的任务，染色体之间的交叉变异可以衍生出更适应环境的个体，等等。那么，有没有这种可能性，就是我们通过计算机编程的方法将这种智能现象再现出来，用程序去模拟自然界中的自然现象从而服务于控制过程？答案是肯定的，人类已经为此探索了几十年，而且也已经初步得到了一些成果，我们本门课程就是学习和探索自然界中的智能现象，进而为智能控制服务。

那么，相比传统的经典控制理论、现代控制理论，智能控制有何优势和特点呢：

简单来说，智能控制最大的特点在于无需建立对象的数学模型，而数学模拟在诸如大系统、非线性环节、滞后环节是很难精确建立的，甚至是无法建立的。因此，智能控制的无需数学模型的特点在控制理论中具有广阔的应用前景。

本门课程学习的内容有哪些？

（1）专家控制

专家控制系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

（2）模糊控制

模糊控制就是在控制方法上应用模糊集合论，运用模糊语言变量及模糊逻辑揄实现系统的智能控制。这种方法摆脱了控制对象输入、输出物理量的精确描述，用自然语言描述专家控制策略，以机器模拟人的模糊思维对系统实现有效控制。 在实际控制过程中，将计算机采样的输入量（精确量）模糊化，经模糊揄确定控制量的模糊值，最后进行反模糊处理获得控制量的实际输出，对被控对象进行控制。

（3）人工神经网络控制

人工神经网络是模拟人脑生物神经网络系统处理信息的方式，通过经验而不是通过设计好的程序进行学习、训练，这些构成了人工神经网络具有模式识别、预测、评价和优化决策等能力的基础。神经网络控制是指在控制系统中，应用神经网络技术，对难以精确建模的复杂非线性对象进行神经网络模型辨识，或作为控制器，或进行优化计算，或进行推理，或进行故障诊断，或同时兼有上述多种功能。

（4）遗传算法

借鉴生物进化论，遗传算法将要解决的问题模拟成一个生物进化的过程，通过复制、交叉、突变等操作产生下一代的解，并逐步淘汰掉适应度函数值低的解，增加适应度函数值高的解。这样进化N代后就很有可能会进化出适应度函数值很高的个体。

总之，本课程通过理论学习和程序设计，实现人工智能与自动控制任务的结合。通过学习本课程，同学们会对自动控制理论有更深一步的理解，为后续的工作和科研打下良好的基础。