随着科学技术的发展，电力系统、交通系统、机器人操纵装置系统等实际系统变得越来越复杂，从而导致难以建立实际系统的精确模型。因此，基于模型的传统优化理论已变得不切实际。在缺乏精确的过程模型的情况下，利用系统数据来提高系统性能、学习最优决策变得尤其重要。
近年来，基于数据的学习优化理论和技术得到了广泛的研究与发展，研究者们相继提出了自适应动态规划、强化学习、迭代学习等理论方法。基于数据的方法需要获得系统的数据而不是精确的系统动力学信息，因此可以被认为是一种无模型学习方法。同时，基于数据的方法是解决非线性系统最优控制问题的有效方法，这也是本期专刊举办的动机。本期专刊旨在提供一个特定的机会来回顾这一新近出现的跨学科领域。它将汇集相关领域的研究人员，讨论最新进展、新的研究方法以及潜在的研究课题。欢迎所有与基于数据的学习与优化研究相关的原创论文进行投稿。
特约编委：魏庆来（中国科学院自动化研究所），宋睿卓（北京科技大学），殷辰堃（北京交通大学）
一、征稿范围
包括但不限于以下方面：
基于数据的控制理论、方法及应用；
基于数据的深度强化学习；
迭代学习辨识与迭代学习控制；
基于数据的建模、优化与决策；
基于数据的最优学习控制鲁棒性研究；
基于数据的模糊系统控制方法；
最优控制的神经网络和深度神经网络学习方法；
基于数据的学习方法在工业过程中的应用；
基于数据的复杂系统建模、控制与优化；
分布式控制系统的基于数据的控制；
交通系统的基于数据的控制；
机器学习、数据挖掘及其在自动化领域中的实际应用。
二、文稿要求
4.投稿时，请注明作者联系方式（电子邮件、电话、邮寄地址），并在论文标题前备注“基于数据的学习与优化专刊”。
三、重要日期
征稿截止日期：2021年9月30日
四、联系方式
编辑部电话：010-81055534
编辑部电子邮箱：cjist@bjxintong.com.cn
《智能科学与技术学报》编辑部
2021年4月8日
