本书内容属于控制理论与神经科学的交叉研究方向，以脑疾病中的帕金森病为背景。第1章为绪论，介绍了帕金森病的电生理特性、用于治疗帕金森病的DBS技术及PID闭环调制策略等。第2～3章介绍了用于建模正常状态和帕金森病状态下的脉冲神经元数学模型，包括单个神经元模型，如经典的Izhikevich模型，Morris-Lecar模型、双间室模型和振荡子网络模型及神经网络模型；还包括建模基底核的Rubin-Terman模型和小世界网络模型等。第4～6章介绍了基于相重置和动态规划的帕金森病最优控制；还介绍了基于模型的机器学习算法在脑疾病最优神经调控策略中的应用，主要包括动态规划法、Q学习算法和Actor-Critic法等几种典型的强化学习算法。本书可供计算神经科学方向的学者和研究生阅读，也可为对强化学习理论和应用感兴趣的读者提供一定帮助。