基于模型的强化学习探索了一种全面而实用的强化学习方法。
强化学习是机器学习的一种基本范式，其中智能体执行动作以确保设备的最佳行为。虽然这种机器学习范式近年来获得了巨大的成功和普及，但之前的学术要么专注于理论最优控制和动态规划，要么专注于算法，其中大多数是基于仿真的。
基于模型的强化学习提供了一个基于模型的框架来连接这两个方面，从而创建一个整体的处理基于模型的在线学习控制的主题。在这样做的过程中，作者试图为数据驱动控制开发一个基于模型的框架，将从数据中识别系统、基于模型的强化学习和最优控制等主题以及它们的应用联系起来。这种评估经典结果的新技术将允许更有效的强化学习系统。本书的核心是提供一个端到端的框架——从设计到应用，更易于处理的基于模型的强化学习技术。
基于模型的强化学习读者还会发现:
在数据驱动和基于学习的控制的研究生课程中使用的有用教科书，强调从数据建立动态系统的建模和控制 详细比较不同技术的影响，如基本线性二次控制器、基于学习的模型预测控制、无模型强化学习和结构化在线学习
非完整动力学地面车辆和四足直升机的应用和案例研究 一个基于python的在线工具箱，与本书的内容以及必要的代码和数据配套使用 基于模型的强化学习是大四本科生、研究生、研究助理、教授、过程控制工程师和机器人专家的有用参考。