《机器学习控制》简要介绍了机器学习控制（Machine Learning Control，MLC）。作为一种极其简单的无模型手段，MLC可用来驾驭复杂的非线性系统。通常假定这些系统由有限数量的执行器（输入）操控，并由有限数量的传感器（输出）检测。
　　MLC涵盖了3门现有学科，即闭环反馈控制、机器学习与回归以及非线性动态系统，而湍流即具备了非线性系统的特征。在过去的数十年中，控制理论已经发展成为一门具有优美理论基础和强大关联数值算法的成熟学科。在对具有传感器噪声、外界扰动和模型不确定性的系统鲁棒控制方面取得了重要进展。控制理论中的现代方法已经渗透到工程科学中，并改变了工业格局。但是对于具有宽带频谱、高维度状态空间和大延时的强非线性动力学系统的控制，挑战依然存在。通过借助机器学习中的先进方法，MLC旨在发现有效的控制律，从而应对上述挑战。
　　《机器学习控制》的作者推动了遗传规划在非线性动力系统反馈控制、直接Navier-Stokes模拟和实验湍流剪切流中的首次应用。
　　《机器学习控制》关注于可称得上是机器学习控制中非常简单、非常通用却又非常强大的一个版本：通过遗传规划来识别非线性控制律。
　　《机器学习控制》将介绍相应的成功案例。