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。已有大量文献报道了强化学习在控制系统中的应用，采用的强化学习方法主要有Q学习方法、AHC学习算法以及最小二乘策略迭代法等。