Bài báo so sánh hai phương pháp điều khiển liên quan đến điều khiển tối ưu là điều khiển dự báo (Model Predictive Control - MPC) và phương pháp học máy tăng cường (Reinforcement Learning - RL) cho hệ thống điều khiển rời rạc. Về cơ bản, MPC điều khiển dựa trên mô hình và có thể đảm bảo tính ổn định, khả thi và bền vững cho hệ đồng thời giải quyết tốt vấn đề giới hạn của trạng thái và tín hiệu điều khiển trong khi đó RL không cần biết trước mô hình và mang tính thích nghi cao. Việc kết hợp hai phương pháp để tận dụng ưu điểm của mỗi bên đang được đẩy mạnh nghiên cứu.
This paper compares two trending controller design approaches, namely Model Predictive Control (MPC) and Reinforcement Learning (RL) for discrete control systems subject to inputs and states constraints. While MPC, which is a model-based method, can guarantee stability, feasibility and robustness as well as can handle inputs and states constraints well, RL does not require the model of the plant to be known in advance and can be adaptive to the changes of environment. Numerous research have been carried out Numerous studies have been conducted to combine the advantages of both approaches.