mpc-reinforcement-learning 是一种结合了模型预测控制（MPC）的强化学习算法。在这种方法中，强化学习算法被用于训练一个模型，该模型可以预测未来的状态和奖励。然后，这个预测模型被用于指导 MPC 控制器的决策过程，以实现最优的控制策略。

这种结合方法的主要优点是它能够利用强化学习算法的强大学习能力来优化控制策略，同时通过模型预测控制的稳定性和准确性来提高系统的性能。此外，这种方法还可以处理一些复杂的非线性系统，这些系统可能难以用传统的控制方法来设计控制器。Reinforcement Learning with Model Predictive Control