arXiv 2026年10月5日该工作针对可分解为多个相的非平稳强化学习问题，先证明共享的单策略在理论上可以达到任意多策略解的性能，再提出一种基于瞬态动力学时长与准平稳期时长之比的 regime-based 相分解方法来判断哪种策略更优，并用多个非平稳 RL 问题的数值实验验证四个假设：相时长越长越有利于多策略、相间异质性越大单策略负担越重、多策略需要每个相有足够数据、相间转移动力学因环境而异会影响策略选择。该工作针对可分解为多个相的非平稳强化学习问题，先证明共享的单策略在理论上可以达到任意多策略解的性能，再提出一种基于瞬态动力学时长与准平稳期时长之比的 regime-based 相分解方法来判断哪种策略更优，并用多个非平稳 RL 问题的数值实验验证四个假设：相时长越长越有利于多策略、相间异质性越大单策略负担越重、多策略需要每个相有足够数据、相间转移动力学因环境而异会影响策略选择。共享策略理论上可达到任意多策略解的性能，但相时长、相异质性与各相数据量决定实践中该选单策略还是多策略该工作针对可分解为多个相的非平稳强化学习问题，先证明共享的单策略在理论上可以达到任意多策略解的性能，再提出一种基于瞬态动力学时长与准平稳期时长之比的 regime-based 相分解方法来判断哪种策略更优，并用多个非平稳 RL 问题的数值实验验证四个假设：相时长越长越有利于多策略、相间异质性越大单策略负担越重、多策略需要每个相有足够数据、相间转移动力学因环境而异会影响策略选择。该工作针对可分解为多个相的非平稳强化学习问题，先证明共享的单策略在理论上可以达到任意多策略解的性能，再提出一种基于瞬态动力学时长与准平稳期时长之比的 regime-based 相分解方法来判断哪种策略更优，并用多个非平稳 RL 问题的数值实验验证四个假设：相时长越长越有利于多策略、相间异质性越大单策略负担越重、多策略需要每个相有足够数据、相间转移动力学因环境而异会影响策略选择。