تعتبر التحديات الموجودة في بيئات العمل ذات الأبعاد المختلطة بين القرارات المتقطعة المستمرة موضوعًا مثيرًا للبحث في مجال تعلم التعزيز (Reinforcement Learning). غالبًا ما نجد هذه البيئات في تطبيقات الروبوتات والتحكم والعمليات. في هذه الدراسة، تم تقديم نهج جديد يُطلق عليه تحسين السياسة الهجينة (HPO) للتغلب على مشكلات تقدير التقديرات في بيئات العمل المعقدة.

تعتمد الأساليب الكلاسيكية على تقديرات دالة السكور (Score-function) التي تواجه صعوبات كبيرة في تحديد الفضل في الإعدادات عالية الأبعاد، مما يؤدي إلى جودة تدرجات غير مرضية. بينما يشكل استخدام المحاكاة القابلة للتفريق، بديلاً فعالًا عن هذه المشكلات، إلا أن وجود قرارات متقطعة أو ديناميكيات غير سلسة يمكن أن يؤدي إلى تدرجات متحيزة أو غير مفيدة.

من خلال تحسين السياسة الهجينة، يتم تطبيق أسلوب تحسين مبتكر يعيد التنفيذ عبر المحاكي عندما يسمح السلاسة، مستخدمًا تقدير تدرج مختلط يجمع بين تدرجات المسار وتقديرات السكور (SF) مع الحفاظ على عدم الانحياز.

أظهرت النتائج التجريبية أن (HPO) يتفوق بشكل كبير على طريقة PPO في التحكم في المخزونات ومشاكل المنظم الخطي - التربيعي المتغير، حيث تزداد الفجوات في الأداء كلما زادت أبعاد العمل المستمر. تم تقديم تقييم هيكلي لتدرج الاختلاط، مشيرًا إلى أن تأثير عنصر التداخل الذي يلتقط كيفية تأثير الأفعال المستمرة على القرارات المتقطعة المستقبلية يصبح ضئيلًا بالقرب من استجابة أفضل متقطعة، مما يمكّن من تحديثات تقريبية لامركزية للمكونات المستمرة والمتقطعة ويقلل من التباين قرب المثالية.

لقد أثبتت هذه الابتكارات بوضوح أن تحسين السياسة الهجينة (HPO) يمثل خطوة هامة نحو تطوير أدوات أكثر فعالية في مجالات الذكاء الاصطناعي، ويتيح فتح آفاق جديدة لتحسين الأداء في بيئات التعلم المعقدة.