เปรียบเทียบวิธี

	การควบคุมเชิงพยากรณ์แบบจำลอง	สมการฮามิลตัน-ยาโคบี-เบลล์แมน
สาขาวิชา	ทฤษฎีการควบคุม	ทฤษฎีการควบคุม
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1978	1957
ผู้ริเริ่ม	Jacques Richalet	Richard Bellman
ประเภท	algorithm	algorithm
แหล่งต้นตำรับ	Richalet, J., Rault, A., Testud, J., & Papon, J. (1978). Model predictive heuristic control. Automatica, 14(5), 413-428.	Bellman, R. (1957). Dynamic Programming. Princeton University Press.
ชื่อเรียกอื่น	MPC, Receding Horizon Control	HJB Equation, Bellman Equation, Dynamic Programming
ที่เกี่ยวข้อง	5	3
สรุป	Model Predictive Control (MPC) is an advanced control strategy that uses an explicit process model to predict future system behavior over a finite horizon and solves an optimization problem at each control step. First formalized by Richalet et al. in 1978, MPC has become the dominant approach in process control industries, from chemical plants to autonomous vehicles, because it naturally handles constraints and can optimize multiple objectives simultaneously.	The Hamilton-Jacobi-Bellman (HJB) equation is a partial differential equation characterizing the optimal cost-to-go function in dynamic programming. Developed by Bellman in 1957, HJB provides both necessary and sufficient conditions for optimality, enabling elegant theoretical analysis and numerical solutions for optimal control problems. HJB is fundamental to reinforcement learning, approximate dynamic programming, and real-time control.