本文提出了一种基于强化学习的非线性模型预测控制（NMPC）方法，旨在提升动态系统的控制性能和计算效率。通过在非线性连续搅拌反应器模型上的验证，结果表明该方法在控制设定变化时无需重新训练，且优于传统系统识别模型。此外，研究探讨了数据驱动的模型简化和任务导向的控制方法，展示了在复杂非线性系统中的应用潜力。