Tento pokročilý kurz bude zaměřen na výpočetní metody návrhu algoritmů pro optimální a robustní řízení. Důraz bude položen na praktické výpočetní dovednosti a realisticky složitá zadání aplikačních problémů. Jednotícím konceptem je minimalizace nějakého kritéria. Výsledný regulátor má různé vlastnosti v závislosti na tom, jaké kritérium je minimalizováno. Oblíbené integrálně-kvadratické kritérium (pro lineární systémy tzv. LQR návrh) vede na stabilizující regulátor s nastavitelným kompromisem mezi velikostí akčního zásahu a průběhem chyby regulace. Moderní pojetí optimálního řízení zavádí koncept normy systému. Minimalizace H2 normy systému vede na klasické LQR/LQG řízení, avšak nabízí nová rozšíření. Minimalizace H_ nekonečno normy oproti tomu směřuje k zabezpečení robustnosti, tedy necitlivosti řízení na nepřesnosti či chyby v modelu systému. Minimalizace strukturovaného singulárního čísla (řecké mí) pak představuje rozšíření H-nekonečno metodologie pro systémy se strukturovanou (vícenásobnou) neurčitostí. Robustní řízení je tak možno vidět coby jednu z aplikací optimálního řízení. Výše uvedené optimalizační úlohy mohou být řešeny buď offline a nebo online, v reálném čase. Druhý přístup vede na populární prediktivní řízení založené na modelu (angl. model predictive control, MPC). Dále zahrnuty v tomto předmětu budou metody pro časově optimální a suboptimální řízení, které jsou velmi užitečné v aplikacích se striktními časovými požadavky, jako je kupříkladu polohování čtecí hlavy pevného disku. Představíme si i lineární maticové nerovnosti a semidefinitní programování coby optimalizační nástroje pro řešení řady úloh v robustním řízení. Ukážeme si také některé výpočetní metody pro redukci řádu modelu systému a regulátoru.