"本书聚焦人工智能与能源系统交叉研究领域，系统阐述了深度强化学习在信息物理能源系统运行优化中的应用。作为融合强化学习与深度学习优势的前沿人工智能技术，深度强化学习具备不确定环境下的多阶段决策能力和复杂环境感知表征能力，支持端到端的实时控制，在多个领域展现出卓越性能。信息物理能源系统是信息网络与能源电力物理系统深度融合的产物，为能源电力系统的节能减排和我国“双碳”战略目标的实现提供了新的途径。然而，该系统的运行优化面临多源不确定性、复杂运行约束、未知动力学模型、高维解空间、多时间尺度以及多利益主体协同等挑战。针对上述问题，本书结合作者的研究实践，系统探讨了智能家居能源系统、电网交互型居民建筑能源系统、多区域商业建筑能源系统、多微电网系统和有源配电网系统等典型信息物理能源系统的运行优化问题，提出了一系列融合专家知识、分布式优化、注意力机制、多智能体协同、进化思想与分层控制等技术的深度强化学习优化算法。相关研究成果为信息物理能源系统的智能化、高效化与低碳化运行提供了理论基础和技术支撑，具有重要的学术价值与工程意义。
本书可作为信息物理能源系统与人工智能交叉领域科研人员的参考资料，也可作为控制科学与工程、电气工程、建筑工程、智能科学与技术、人工智能等相关专业研究生的参考教材。"

余亮，现为南京邮电大学自动化学院、人工智能学院教授，博导，院长助理。华中科技大学博士，西安交通大学博士后，英国帝国理工学院访问学者。入选IEEE高级会员，江苏省“青蓝工程”优秀青年骨干教师，美国斯坦福大学与爱思唯尔数据库发布的《2021-2024全球前2%顶尖科学家榜单》。长期从事人工智能赋能能源电力系统规划与运行方面的研究工作，助力复杂环境下能源电力系统的安全可靠绿色经济运行和国家“双碳”战略目标的实现。先后主持国家级、省级以及市厅级项目6项，企业委托项目1项。出版英文专著1部，发表学术论文53篇。研究成果获谷歌学术引用2600余次，SCI他引1400余次。申请发明专利27件，授权20件。排名第一获2022年度IEEE Transactions on Smart Grid最佳论文、2023年江苏省自然科学百篇优秀学术成果论文奖、2023年江苏省高等学校科学技术研究成果奖、2015年湖北省优秀博士学位论文奖、南京市第11届和第12届自然科学优秀学术论文奖各一项。