Актуальность проблемы адаптивного управления нелинейными динамическими объектами обеспечивается постоянно возрастающими требованиями к качеству и условиям функционирования технических систем. Автоматизация и роботизация приводят к возрастанию сложности решаемых задач и необходимости адаптироваться к структурной и параметрической неопределенности, внешним возмущениям. В последние несколько лет приобретает популярность применение методов обучения с подкреплением для синтеза адаптивных систем управления. Указанные методы демонстрируют эффективность при управлении неопределенными динамическими объектами. Однако, существует две базовые проблемы применения методов машинного обучения в системах управления динамическими объектами. Во-первых, необходимость обеспечения асимптотической устойчивости желаемой траектории замкнутой системы ограничивает применение методов глубокого обучения. Во-вторых, в процессе обучения необходимо, чтобы интеллектуальный регулятор не вырабатывал управления, приводящие к выходу переменных состояния за заданные ограничения. Целью данной статьи является обзор и анализ последних достижений в области применения методов обучения с подкреплением для синтеза адаптивных систем управления нелинейными динамическими объектами. Отдельное внимание уделяется методам Actor-Critic, которые по своей структуре близки к адаптивным системах управления с самонастраивающимися параметрами. На основе проведенного анализа предлагается структура адаптивной системы с двухкомпонентным управлением, включающим номинальный и адаптивный регуляторы. Предлагается алгоритм адаптивного управления, отличающийся использованием модифицированного алгоритма Actor-Critic, новой формой дельта-ошибки и отсутствием особенности в окрестности нуля. Предлагаемый алгоритм позволяет снизить число настраиваемых параметров. В статье приводятся условия устойчивости по Ляпунову нулевого положения равновесия замкнутой системы и пример синтеза и моделирования предлагаемого алгоритма адаптивного управления
