《基于模型的强化学习：使用基于 Python 的工具箱从数据到连续操作（Model-Based Reinforcement Learning: From Data to Continuous Actions with a Python-based Toolbox）》 

《基于模型的强化学习》探索全面实用的强化学习方法；强化学习是机器学习的基本范式，其中智能代理执行操作以确保设备的最佳行为。虽然这种机器学习范式近年来取得了巨大的成功和普及，但以前的学术研究要么集中在理论上——最优控制和动态规划——要么集中在算法上——其中大部分是基于模拟的。

《基于模型的强化学习》提供了一个基于模型的框架来桥接这两个方面，从而创建基于模型的在线学习控制主题的整体处理。在此过程中，作者寻求开发一个基于模型的数据驱动控制框架，该框架将系统识别和数据，基于模型的强化学习和最佳控制以及每个主题的应用联系起来。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——一种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将发现：

• 一本有用的教科书，用于数据驱动和基于学习的控制研究生课程，强调从数据对动态系统进行建模和控制
• 详细比较不同技术的影响，例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
• 在具有非完整动力学的地面车辆上的应用和案例研究，以及在象方器直升机上的应用和案例研究
• 一个基于Python的在线工具箱，其中包含本书中涵盖的内容，以及必要的代码和数据

《基于模型的强化学习》是高年级本科生、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书籍。