强化学习控制（reinforcement learning control），工学-控制科学与工程-控制理论与控制工程基础-自动控制理论-适应控制系统，基于人工智能的优化控制方法，其智能体通过“试错法”进行探索，根据环境的标量评价信息进行控制策略优化，学习过程不需要对象模型和监督信息，因此成为求解复杂控制决策问题的极有力的方法。强化学习常常被归为机器学习方法的一种。实际上，这种方法在控制理论领域也是研究热点，自适应动态规划也可以被看作强化学习的一种方法。在智能控制中，对于存在不确定模型的控制问题，由于系统的不确定性和复杂非线性，使得基于数学模型的传统控制方法的效果甚微。强化学习因其学习原理比较符合人脑的学习过程，其控制方法已经在智能机器人中获得广泛应用。1956年M.华尔兹（M.Waltz）等人提出了类似于强化学习的思想。A.G.巴尔托（A.G.Barto）于1983年将强化学习应用到控制系统中，采用关联搜索元和自适应评估元构成评估系统，经过反复学习，可以长时间地维持倒立摆系统的平衡状态。S.P.辛格（S.P.Singh）提出采用随机逼近的方法来解决最优控制问题。