En los últimos años, las metaheurísticas continuas han sido una tendencia en la resolución de problemas combinatorios basados en binarios debido a sus buenos resultados. Sin embargo, para utilizar este tipo de metaheurísticas, es necesario adaptarlas para que funcionen en entornos binarios y, en general, esta adaptación no es trivial. El método propuesto en este trabajo evalúa el uso de técnicas de aprendizaje por refuerzo en el proceso de binarización. Específicamente, se explora la técnica de aprendizaje Q-learning inverso para elegir esquemas de binarización de manera inteligente. Esto permite adaptar cualquier metaheurística continua a entornos binarios. Los resultados ilustrados son competitivos, proporcionando así una opción novedosa para abordar diferentes problemas complejos en la industria.