1.1 迭代学习控制
1.1.1 迭代学习控制基础
1.1.2 随机迭代学习控制
1.2 线性随机系统
1.2.1 基于卡尔曼滤波的方法
1.2.2 基于随机逼近的方法
1.2.3 其他方法
1.3 非线性随机系统
1.3.1 基于卡尔曼滤波的方法
1.3.2 基于随机逼近的方法
1.3.3 其他方法
1.4 针对其他随机信号的迭代学习控制
1.4.1 随机丢包
1.4.2 随机异步
1.4.3 随机时滞
1.5 潜力研究方向及展望
1.5.1 随机点对点迭代学习控制
1.5.2 变跟踪目标的迭代学习控制
1.5.3 分散式/分布式协同随机迭代学习控制
1.6 本章小结

2.1 引言
2.2 问题描述
2.3 最优控制
2.4 迭代学习控制及其收敛性
2.5 本章小结

3.1 引言
3.2 问题描述
3.3 最优控制序列
3.4 迭代学习控制及其收敛性
3.5 仿真算例
3.6 本章小结

4.1 引言
4.2 问题描述
4.3 最优控制的存在性
4.4 迭代学习控制及其收敛性
4.5 仿真算例
4.6 本章小结

5.1 引言
5.2 问题描述
5.3 方向切换机制
5.4 迭代学习控制及其收敛性
5.5 仿真算例
5.6 本章定理证明
5.7 本章小结

6.1 引言
6.2 问题描述
6.3 迭代学习控制及其收敛性
6.4 非线性系统情形
6.5 仿真算例
6.6 本章小结

7.1 引言
7.2 问题描述
7.3 迭代学习控制及其收敛性
7.4 仿真算例
7.5 本章引理证明
7.6 本章小结

8.1 引言
8.2 问题描述
8.3 迭代学习控制算法
8.4 强收敛性
8.5 仿真算例
8.6 本章小结

9.1 引言
9.2 问题描述
9.3 迭代学习控制算法
9.4 收敛性分析
9.5 仿真算例
9.6 本章小结

10.1 引言
10.2 问题描述
10.3 迭代学习控制及其收敛性
10.4 非线性系统情形
10.5 仿真算例
10.6 本章小结

11.1 引言
11.2 问题描述
11.3 最优控制
11.4 迭代学习控制及其收敛性
11.5 仿真算例
11.6 本章小结