中国科学院自动化研究所复杂管理系统与控制国家重点实验室针对一类非线性吊车系统，建立一种基于评判学习机制的智能优化控制方法，通过近似求解Hamilton–Jacobi–Bellman方程，实现含有折扣因子代价函数时的最优反馈镇定。利用神经网络的在线学习能力，提出不同于传统自适应评判算法的新颖权值更新策略，降低对于系统初始稳定控制律的要求，由此给自适应评判控制设计带来极大便利。研究团队从理论上证明了闭环系统的稳定性，针对所述非线性吊车系统开展仿真实验，考虑不同折扣因子情况下的控制效果，经过充分的对比分析验证了论文中方法的有效性。首先，针对一类实际吊车系统（图1）构建连续时间状态空间模型，定义含有折扣因子的代价函数，考虑这一复杂非线性系统在特定性能指标下的状态反馈优化镇定问题。对于一般非线性系统的最优控制设计，为了有效地求解其中的Hamilton–Jacobi–Bellman方程，研究人员引入智能评判控制方法，旨在通过有关参数的自适应更新与自主学习，得到近似的优化控制律。其次，提出改进的评判网络更新准则，构建论文中的自适应评判控制方案框架，如图2所示。改进的神经网络学习策略是在传统策略迭代算