包含随机输入及其它外部干扰、非线性项与不确定动态的随机系统广泛存在于工业过程、化学化工、航空航天等实际应用中，其中含有非高斯随机变量的复杂随机动态系统已经成为控制界的理论难点和瓶颈。本论文在此基础上，从建模、优化、控制等几个方面开展了对复杂随机控制系统的创新性研究，发展了新型的随机分布跟踪控制算法，为实际应用提供了理论基础。在本文中，主要的工作和贡献有如下几点： (1)提出了一类新的广义PID随机分布结构控制策略。基于B样条神经网络逼近原理，把PDF跟踪问题转化为针对权向量的鲁棒受限跟踪控制问题。考虑包含时滞项、外部干扰和不确定项的动态非线性权系统，引入改进的LMI凸算法和L1性能优化指标，设计广义PID控制输入，使得闭环系统渐进稳定，同时保证了PDF的跟踪性能，进一步鲁棒性能和状态约束条件也能够得到满足。 (2)将基于凸优化设计的随机分布控制方法首次推广到离散系统。把离散系统随机分布控制问题转化为针对带有状态约束和非线性输出的离散动态权系统的跟踪控制问题。基于改进的LMI凸算法，应用Lyapunov-Krasovskii函数分析方法，设计新的广义离散PI跟踪控制器，可同时满足包括稳定性，鲁棒性，跟踪性能和状态受限的多目标控制要求。 (3)首次同时考虑了动态、静态两种不同的神经网络模型，提出了新的基于两步神经网络模型的随机分布控制建模方法。伴随着B样条神经网络模型对输出PDF的逼近，引入带有未知参数的时滞动态神经网络去辨识非线性权动态模型。在此基础上，分别设计出状态反馈控制器和受限的PI跟踪控制器，同时应用自适应投影算法和Barbalat引理，不仅实现了对未知权向量动态轨迹的辨识，而且完成了PDF跟踪控制的目标。 (4)针对非高斯随机分布控制系统，本文提出了新的统计跟踪控制的方法。控制目标是使得系统输出的统计信息量能够跟踪目标PDF相对应的统计量。进一步，考虑由熵和期望所组成的统计性能函数，设计出相应的状态反馈控制器，完成对统计量的跟踪控制任务。为了减弱干扰项和未建模误差对性能的影响，同时增强系统的鲁棒性，本文分别研究了基于非零初始条件下的广义H2/H∞性能指标和非线性条件下的峰峰指标的优化控制问题。 (5)结合统计跟踪控制研究框架和两步神经网络建模方法，提出了新的基于变结构理论的跟踪控制算法。引入了滑模面和滑模函数的概念，设计基于滑模变结构的状态反馈控制输入，通过应用Lyapunov函数分析方法和参数自适应投影算法，使得系统的稳定性，更快的跟踪性能以及良好的辨识能力能够同时得到满足。 (6)首次在随机分布控制问题中引入T-S模糊模型，扩展了随机分布控制问题的研究范围。考虑包含非零平衡点、时滞项以及外部干扰的T-S模糊权动态模型，结合H∞和L1性能优化指标，分别设计出相应的模糊控制输入，使得T-S模糊权动态模型同时满足稳定性、鲁棒性和动态跟踪性能。所提方法对T-S模糊模型的跟踪控制问题也有着重要的理论研究意义。 (7)运用MATLAB软件，使用线性矩阵不等式工具箱和Simulink动态实时仿真，基于不同的B样条基函数，在文章每一部分均给出了相应的仿真算例来说明所提方法的有效性。 总的说来，本论文基于非高斯系统的随机分布控制理论及其应用的研究框架，结合非线性控制和稳定性分析的多种经典的研究方法，系统地建立了一系列新的建模方法，控制算法以及优化方法，对于复杂非高斯随机系统的研究与应用具有重要的理论意义。