理论结果 平稳的 决策系统 收敛性 探索 概括的 方法 学习 用于 变化的 动力学 持续计划 当前任务 持续 学习的 模型 系统的 发展的 平稳 基准 提出的 变化 新方法 收集的 概率模型 复杂性 RL 调查的 代理人 计划 环境中工作 系统