في عالم اتخاذ القرارات، غالبًا ما يتعين على الأشخاص مواجهة أهداف متعددة ومتعارضة. وفي معظم الأحيان، تستخدم أنظمة تعلم التعزيز (Reinforcement Learning) تقنيات تجميع المكافآت في إشارة واحدة، مما قد يجعلها غير فعالة في التقاط جميع التسويات الممكنة التي تعرف باسم حدود Pareto. في هذا السياق، قدم الباحثون نموذجًا جديدًا يعتمد على مشغل بلمان (Bellman operator) مشروط على التفضيلات، مستندًا إلى تقنية Chebyshev لتقديم سياسات Pareto-optimal المحددة لمشكلات القرارات المتعددة الأهداف (Multi-Objective Markov Decision Processes).

وقد تم إثبات أن هذا النموذج يمتلك خاصية التغليف، حيث تحدد الوظائف التقديرية للقيمة الحدود العليا للحدود الحقيقية لـ Pareto، مما يضمن تقاربًا مونوتونيًا إلى مجموعة تغطي هذه الحدود. علاوة على ذلك، تم توضيح كيفية استخراج السياسات المحددة من هذه التقديرات، مما يتيح للوكيل (Agent) استعادة سياسة لأي تفضيل محدد، مع ضمان أن كل سياسة مصنّعة تبقى تقريبًا على مستوى Pareto-optimal.

تُظهر النتائج التجريبية نجاح خوارزمية الباحثين في استعادة التسويات المعقدة، مما يقدم حلاً فعّالًا لصياغة السياسات Pareto-optimal بطريقة دقيقة.

هذا النموذج يُعد خطوة ثورية ستساعد في توجيه تطويرات مستقبلية في مجال تعلم التعزيز، مما يفتح آفاق جديدة أمام الباحثين والمهندسين في مجالات الذكاء الاصطناعي.