Zespół badawczy zaproponował nowy kontroler CQD-ERL łączący quality-diversity evolutionary learning z uczeniem wzmacniającym dla sterowania systemami HVAC w tropikalnych budynkach komercyjnych. Podejście to odbiega od tradycyjnych metod, które dążą do jednej optymalnej polityki decyzyjnej - zamiast tego system utrzymuje archiwum wielu wyspecjalizowanych polityk, każda dostosowana do konkretnego kontekstu operacyjnego.
Klucz do tego rozwiązania leży w inteligentnym indeksowaniu polityk poprzez dwa parametry: kontekst operacyjny oparty na danych (warunki pogodowe i obciążenie budynku) oraz deskryptor zachowania niezależny od kontekstu. Dwie Different metody optymalizacji - operator ewolucyjny bez gradientów i gradient-based soft-actor-critic - pracują razem, dzieląc wspólny bufor doświadczeń. Każda decyzja kontrolera przechodzi przez deterministyczną tarczę bezpieczeństwa przed wykonaniem, co gwarantuje bezpieczeństwo operacyjne.
System został wytrenowany i przetestowany na środowisku dwupoziomowym modelującym rzeczywisty budynek komercyjny w Singapurze, z uwzględnieniem ograniczeń dotyczących obciążenia, temperatury wieży chłodniczej i wilgotności. Roczny test wsteczny wykazał, że kontroler CQD-ERL przewyższa bazowy system zgodny z wytycznymi ASHRAE Guideline 36, sugerując znaczący potencjał dla poprawy efektywności energetycznej w budynkach tropikalnych, gdzie tradycyjne algorytmy sterowania mogą mieć trudności z adaptacją do zmiennych warunków klimatycznych.