強化學習是機器學習的一個基本范示，其中智能體執(zhí)行動作以確保設備的最優(yōu)性能。雖然這種機器學習范式近年來取得了巨大的成功和普及，但以前的學術研究要么集中在理論上——最優(yōu)控制和動態(tài)規(guī)劃——要么集中在算法上——其中大多數(shù)是基于仿真的。 《基于模型的強化學習》提供了一個基于模型的框架來橋接這兩個方面，從而創(chuàng)建了一個基于模型的在線學習控制主題的整體處理。在此過程中，作者尋求開發(fā)一個基于模型的數(shù)據(jù)驅動控制框架，該框架將數(shù)據(jù)系統(tǒng)識別、基于模型的強化學習和最優(yōu)控制以及每個主題的應用連接起來。這種評估經(jīng)典結果的新技術將會是更有效的強化學習系統(tǒng)。本書的核心是提供一個端到端的框架——從設計到應用——一種更易于處理的基于模型的強化學習技術。 基于模型的強化學習的讀者還會發(fā)現(xiàn): 這是一本實用的教科書，適用于數(shù)據(jù)驅動和基于學習的控制研究生課程中，強調從數(shù)據(jù)對動態(tài)系統(tǒng)進行建模和控制。 詳細比較了不同技術的影響，如基本線性二次型控制器、基于學習的模型預測控制、無模型強化學習和結構化在線學習。 非完整動力學的地面車輛應用與實例研究，以及在四旋翼直升機上的應用與實例研究。 一個基于Python的在線工具箱，該工具箱包含本書所涵蓋的內容以及必要的代碼和數(shù)據(jù)。 《基于模型的強化學習》是高年級本科生、研究生、研究助理、教授、過程控制工程師和機器人專家的有用參考書籍。